索引彩色图像是具有整数 (1,2, .. N) 像素的图像，对于每个整数，关联的颜色从给定的颜色映射映射到该像素。在 MATLAB 中，可以通过以下方式读取索引的彩色图像：
[im, colormap] = imread('indexed.png');
如何在 Python 中做同样的事情？我尝试过 OpenCV，scikit-image，但它们都自动转换为 RGB。
【问题讨论】：
标签： python image matlab image-processing
经过一番研究，这就是我想出的。您可以使用Python Imaging Library - 特别是枕头叉：https://python-pillow.github.io/
安装包，然后你可以使用Image类中的Image.open方法打开镜像。如果您的图像有颜色图，则图像将自动加载作为索引图像。要使其可用，请使用 NumPy 并使用 numpy.array 构造函数。我假设您可以使用 NumPy，因为 scikit-image 和 OpenCV 都使用 NumPy 作为图像处理的基础：
from PIL import Image
import numpy as np
im = Image.open("image.png") # Replace with your image name here
indexed = np.array(im) # Convert to NumPy array to easier access
最后，如果您想要实际用于图像的颜色映射/调色板，请使用Image.getpalette 方法，它是Image 类的一部分。但是，这会给你一个num_colours x 3 元素列表。因此，要确定您有多少种颜色，只需将此列表的长度除以 3。但是，在 MATLAB 中加载的颜色图是规范化，而getpalette 不会对此进行规范化，默认为加载图像的类型。因此，您必须通过查看转换后的 NumPy 图像版本来推断图像类型是什么，然后使用它来标准化您的颜色图：
这样：
# Get the colour palette
palette = im.getpalette()
# Determine the total number of colours
num_colours = len(palette)/3
# Determine maximum value of the image data type
max_val = float(np.iinfo(indexed.dtype).max)
# Create a colour map matrix
map = np.array(palette).reshape(num_colours, 3) / max_val
为了证明我们的判断是正确的，这里有一个索引图像from a question that I helped solve a while ago：
使用 MATLAB 加载此图像：
[indexed, map] = imread('http://i.stack.imgur.com/OxFwB.png');
当我关注索引图像中的第 280 到 290 行和第 400 到 410 列作为双重检查时，我得到了这个：
>> indexed(280:290, 400:410)
ans =
59 60 61 62 65 64 59 56 56 53 49
61 61 64 65 65 60 60 57 58 53 53
67 62 67 56 60 62 60 61 51 59 55
65 60 62 61 58 58 53 55 57 55 54
66 58 56 59 56 56 52 55 52 55 52
68 68 61 61 61 56 56 55 55 57 59
66 59 59 66 68 62 62 60 60 60 53
70 68 64 58 61 63 67 61 67 56 59
69 67 63 64 62 65 63 68 67 64 58
61 68 68 72 71 73 70 66 63 64 64
68 67 70 71 71 69 64 64 65 64 58
这是我在 Python 中运行等效代码以获取索引图像时得到的结果。请注意，我将图像物理下载到我的计算机上并从磁盘加载它。请注意，NumPy 从 0 而不是 1 开始索引，因此我必须将范围减 1。还要注意范围运算符的结尾是 独占：
In [29]: indexed[279:290, 399:410]
Out[29]:
array([[59, 60, 61, 62, 65, 64, 59, 56, 56, 53, 49],
[61, 61, 64, 65, 65, 60, 60, 57, 58, 53, 53],
[67, 62, 67, 56, 60, 62, 60, 61, 51, 59, 55],
[65, 60, 62, 61, 58, 58, 53, 55, 57, 55, 54],
[66, 58, 56, 59, 56, 56, 52, 55, 52, 55, 52],
[68, 68, 61, 61, 61, 56, 56, 55, 55, 57, 59],
[66, 59, 59, 66, 68, 62, 62, 60, 60, 60, 53],
[70, 68, 64, 58, 61, 63, 67, 61, 67, 56, 59],
[69, 67, 63, 64, 62, 65, 63, 68, 67, 64, 58],
[61, 68, 68, 72, 71, 73, 70, 66, 63, 64, 64],
[68, 67, 70, 71, 71, 69, 64, 64, 65, 64, 58]], dtype=uint8)
匹配...现在颜色图呢？我们来看看MATLAB和Python之间颜色映射的前10行：
>> format long g;
>> map(1:10,:)
ans =
0 0 0
0.0156862745098039 0.00392156862745098 0.0274509803921569
0.0313725490196078 0.00784313725490196 0.0588235294117647
0.0470588235294118 0.0117647058823529 0.0901960784313725
0.0627450980392157 0.0156862745098039 0.12156862745098
0.0784313725490196 0.0196078431372549 0.152941176470588
0.0941176470588235 0.0235294117647059 0.184313725490196
0.109803921568627 0.0274509803921569 0.215686274509804
0.125490196078431 0.0313725490196078 0.247058823529412
0.141176470588235 0.0352941176470588 0.27843137254902
In [30]: map[:10,:]
Out[30]:
array([[ 0. , 0. , 0. ],
[ 0.01568627, 0.00392157, 0.02745098],
[ 0.03137255, 0.00784314, 0.05882353],
[ 0.04705882, 0.01176471, 0.09019608],
[ 0.0627451 , 0.01568627, 0.12156863],
[ 0.07843137, 0.01960784, 0.15294118],
[ 0.09411765, 0.02352941, 0.18431373],
[ 0.10980392, 0.02745098, 0.21568627],
[ 0.1254902 , 0.03137255, 0.24705882],
[ 0.14117647, 0.03529412, 0.27843137]])
...看起来很匹配！
【讨论】：