将大矩阵变成灰度图像答案

【问题标题】：Turning a Large Matrix into a Grayscale Image将大矩阵变成灰度图像
【发布时间】：2011-12-03 10:22:25
【问题描述】：

我有一个包含 3,076,568 个二进制值（1 和 0）的 NumPy 数组。我想将其转换为矩阵，然后在 Python 中转换为灰度图像。

但是，当我尝试将数组重塑为 1,538,284 x 1,538,284 矩阵时，出现内存错误。

如何减小矩阵的大小，使其变成适合屏幕的图像而不会丢失唯一性/数据？

另外，如何把它变成灰度图？

任何帮助或建议将不胜感激。谢谢。

【问题讨论】：

呃... 3,076,568 个值将是 ~1754x1754 图像，而不是 1,538,284x1,538,284 图像。
啊……太晚了，我的错。 :-) 感谢您指出这一点。

标签： python image matrix grayscale

【解决方案1】：

您的“二进制值”数组是字节数组？

如果是这样，您可以在调整大小后（使用Pillow）：

from PIL import Image
im = Image.fromarray(arr)

然后im.show() 看到它。

如果您的数组只有 0 和 1（1 位深度或黑白），您可能需要将其乘以 255

im = Image.fromarray(arr * 255)

这里是一个例子：

>>> arr = numpy.random.randint(0,256, 100*100) #example of a 1-D array
>>> arr.resize((100,100))
>>> im = Image.fromarray(arr)
>>> im.show()

编辑（2018 年）：

这个问题写于 2011 年，并且 Pillow 发生了变化，因为在加载 fromarray 时需要使用 mode='L' 参数。

下面的 cmets 也说需要 arr.astype(np.uint8)，但我没有测试过

【讨论】：

我在尝试上面的示例时收到错误“无法处理此数据类型”。我需要通过 mode="L" 像：im = Image.fromarray(arr, mode="L")
@barbolo mine 没有引发错误，它只是使整个图片变白。但是使用模式“L”修复了它，谢谢！
我必须使用arr.astype(np.uint8) 和mode='L'（如上所述）才能获得正确的输出（参见stackoverflow.com/questions/47290668/…）。

【解决方案2】：

其实并不需要使用 PIL，您可以直接使用 pyplot 绘制数组（见下文）。要保存到文件，您可以使用plt.imsave('fname.png', im)。

代码如下。

import numpy as np
import matplotlib.pyplot as plt

x = (np.random.rand(1754**2) < 0.5).astype(int)

im = x.reshape(1754, 1754)
plt.gray()
plt.imshow(im)

您也可以使用plt.show(im)在新窗口中显示图像。

【讨论】：

【解决方案3】：

您可以使用scipy.misc.toimage 和im.save("foobar.png") 来做到这一点：

#!/usr/bin/env python

# your data is "array" - I just made this for testing
width, height = 512, 100
import numpy as np
array = (np.random.rand(width*height) < 0.5).astype(int)
array = array.reshape(height, width)

# what you need
from scipy.misc import toimage

im = toimage(array)
im.save("foobar.png")

给了

【讨论】：

【解决方案4】：

如果您的 PC 中有一个带有一些数据（图像）的 txt 文件，为了将这些数据可视化为灰度图像，您可以使用此：

with open("example.txt", "r") as f:
data = [i.strip("\n").split() for i in f.readlines()]
data1 = np.array(data, dtype=float)
plt.figure(1)
plt.gray()
plt.imshow(data1)
plt.show()

【讨论】：