Python 编码：打开/读取图像文件、解码图像、重新编码图像

Question

注意：我对编码/解码知之甚少，但在我遇到这个问题后，这些词现在对我来说已经完全是行话了。

问题： 我在这里有点困惑。我正在玩编码/解码图像，将图像存储为 django 模型中的TextField，环顾 Stack-Overflow，我发现我可以从ascii 解码图像（我认为还是二进制？随便open('file', 'wb')用作编码。我假设默认的ascii) 为latin1 并将其存储在数据库中没有问题。

问题来自于从latin1 解码数据创建图像。尝试写入文件句柄时，我收到 UnicodeEncodeError 说 ascii 编码失败。

我认为问题在于将文件作为二进制数据 (rb) 打开时，它不是正确的 asciiencoding，因为它包含二进制数据。然后我将二进制数据解码为latin1，但是当转换回ascii（尝试写入文件时自动编码）时，由于某些未知原因，它失败了。

我的猜测是，当解码为latin1 时，原始二进制数据会转换为其他内容，然后在尝试编码回ascii 时，它无法识别曾经是原始二进制数据的内容。 （尽管原始数据和解码数据具有相同的长度）。 或者问题不在于对latin1 的解码，而是我试图对二进制数据进行ascii 编码。在这种情况下，我将如何编码 latin1 数据返回到图像。

我知道这很令人困惑，但我对这一切都感到困惑，所以我无法很好地解释它。如果有人能回答这个问题，那可能是谜语大师。

一些可视化的代码：

>>> image_handle = open('test_image.jpg', 'rb')
>>> 
>>> raw_image_data = image_handle.read()
>>> latin_image_data = raw_image_data.decode('latin1')
>>> 
>>> 
>>> # The raw data can't be processed by django 
... # but in `latin1` it works
>>> 
>>> # Analysis of the data
>>> 
>>> type(raw_image_data), len(raw_image_data)
(<type 'str'>, 2383864)
>>> 
>>> type(latin_image_data), len(latin_image_data)
(<type 'unicode'>, 2383864)
>>> 
>>> len(raw_image_data) == len(latin_image_data)
True
>>> 
>>> 
>>> # How to write back to as a file?
>>> 
>>> copy_image_handle = open('new_test_image.jpg', 'wb')
>>> 
>>> copy_image_handle.write(raw_image_data)
>>> copy_image_handle.close()
>>> 
>>> 
>>> copy_image_handle = open('new_test_image.jpg', 'wb')
>>> 
>>> copy_image_handle.write(latin_image_data)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-3: ordinal not in range(128)
>>> 
>>> 
>>> latin_image_data.encode('ascii')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-3: ordinal not in range(128)
>>> 
>>> 
>>> latin_image_data.decode('ascii')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-3: ordinal not in range(128)

Answer 1

与普通/痛苦文本文件不同，图像文件没有任何编码，显示的数据是图像的二进制等价物的视觉表示。就像@cameron-f 在上面的问题 cmets 中所说的那样，这基本上是胡言乱语，所做的任何编码都会破坏图像文件，所以不要尝试。

但这并不意味着失去所有希望。这是我通常将图像转换为字符串并返回图像的一种方式。

from base64 import b64decode, b64encode

image_handle = open('test_image.jpg', 'rb')

raw_image_data = image_handle.read()

encoded_data = b64encode(raw_image_data)
compressed_data = zlib.compress(encoded_image, 9) 

uncompressed_data = zlib.decompress(compressed_data)
decoded_data = b64decode(uncompressed_data)

new_image_handle = open('new_test_image.jpg', 'wb')

new_image_handle.write(decoded_data)
new_image_handle.close()
image_handle.close()


# Data Types && Data Size Analysis
type(raw_image_data), len(raw_image_data)
>>> (<type 'str'>, 2383864)

type(encoded_image), len(encoded_image)
>>> (<type 'str'>, 3178488)

type(compressed_data), len(compressed_data)
>>> (<type 'str'>, 2189311)

type(uncompressed_data), len(uncompressed_data)
>>> (<type 'str'>, 3178488)

type(decode_data), len(decode_data)
>>> (<type 'str'>, 2383864)



# Showing that the conversions were successful
decode_data == raw_image_data
>>> True

encoded_data == uncompressed_data
>>> True

Answer 2

弹出 UnicodeEncodeError 是因为 jpeg 是二进制文件，而 ASCII 编码适用于纯文本文件中的纯文本。

可以使用通用文本编辑器创建纯文本文件，例如 Windows 的记事本或 Linux 的 nano。大多数将使用 ASCII 或 Unicode 编码。当文本编辑器读取 ASCII 文件时，它会抓取一个字节，比如 01100001（十进制为 97），并找到相应的字形“a”。

因此，当文本编辑器尝试读取 jpg 时，它会抓取相同的字节 01100001 并获得“a”，但由于文件包含用于显示照片的信息，因此文本将只是乱码。尝试在记事本或 nano 中打开 jpeg。

至于编码这里有一个解释：What is the difference between encode/decode?