在将图像转换为数组时，是否需要考虑额外的注意事项？答案

【问题标题】：When converting an image into an array and viceversa, are there extra considerations one must take into account?在将图像转换为数组时，是否需要考虑额外的注意事项？
【发布时间】：2019-11-15 08:01:14
【问题描述】：

我编写了这段代码来切换给定图像的 RGB 数组中的红色和蓝色值：

from PIL import Image 
import numpy as np 

image = Image.open("image.jpg")
RGBarr = np.asarray(image)

newRGB = np.full_like(RGBarr, 1)

red = RGBarr[..., 0]
green = RGBarr[...,1]
blue = RGBarr[..., 2]

newRGB[..., 0] = blue 
newRGB[..., 1] = green
newRGB[..., 2] = red

inv_image = Image.fromarray(newRGB, 'RGB')

inv_image.save('inv_image.png')

inv_image.show()

我尝试了多张图片，几乎每次都能正常工作。但是，在某些情况下，我会收到以下错误：

raise ValueError("not enough image data")
ValueError: not enough image data

如果我没有在Image.fromarray(obj, mode) 中指定模式，这可以解决，但即使这样做我也不确定我获得的结果是否是“正确”的。

有没有办法确定某个图像应该使用什么模式？

我希望这不是一个愚蠢的问题，但我是这个图像处理行业的新手。

【问题讨论】：

总是将完整的错误消息（从单词“Traceback”开始）作为文本（不是屏幕截图）放在有问题的（不是评论）中。还有其他有用的信息。
顺便说一句：OpenCV 具有将 BGR 转换为 RGB 的功能 - image = cv.cvtColor(image, cv.COLOR_BGR2RGB)
也许您没有RGB，而是grayscale 或RGBA。你应该检查它的形状 - print(RGBarr.shape)
顺便说一句：PIL 具有拆分通道（波段）并将它们加入图像的功能 - 所以你不需要 numpy - r,g,b = image.split() image = Image.merge('RGB', [b,g,r])
BTW：检查模式print(image.mode) - 给出RGB、RGBA 或L（用于灰度）

标签： python colors python-imaging-library rgb

【解决方案1】：

当您尝试读取不是 RGB 的图像（如灰度图像或 RGBA 图像）时，会发生错误。要保持其余代码有效，最简单的方法是使用以下命令强制 RGB 输入：

image = Image.open("image.jpg").convert('RGB')

然后，可能的灰度或 RGBA 图像被转换为 RGB，并且可以作为常规 RGB 图像进行处理。

如你所见，

inv_image = Image.fromarray(newRGB)

也可以，但是您的其余代码的处理不再正确（没有正确切割所需的尺寸/轴）。这将需要对您的代码进行进一步的工作，以同时尊重灰度或 RGBA 图像。

希望有帮助！

编辑：要合并furas' idea to get rid of NumPy，这是一种仅用于交换频道的 PIL 方法。注意：您仍然需要强制 RGB 输入。

from PIL import Image

image = Image.open('image.jpg').convert('RGB')

r, g, b = image.split()

inv_image = Image.merge('RGB', (b, g, r))

inv_image.save('inv_image.png')

inv_image.show()

【讨论】：

谢谢！是的，我想有一种更经济的方式来做到这一点。我在学习

【解决方案2】：

如果你想用 Numpy 将 RGB 频道重新排序为 BGR，这样做要简单得多：

BGR = RGB[...,::-1]

它只是反向处理最后一个索引（即通道）。它具有 O(1) 的好处，这意味着无论数组的大小如何，它都需要相同的时间。在我的 Mac 上，使用 10x10 图像执行 BGR->RGB 需要 180ns，而使用 10,000x10,000 图像则相同。

一般来说，您可能想要一些其他排序而不是直接反转，所以如果您想要 BGR->BRG，您可以这样做：

BRG = BGR[...,(0,2,1)]

或者，如果您想通过重复绿色通道 3 次来制作 3 通道灰度图像（因为绿色通常是最不嘈杂的 - 请参阅 Wikipedia Bayer array article），您可以简单地这样做：

RGBgrey = BGR[...,(1,1,1)]

如果你想摆脱 Numpy，你可以直接在 PIL/Pillow 中使用矩阵乘法：

# Open image
im = Image.open('image.jpg')

# Define matrix to re-order RGB->BGR
Matrix = ( 0, 0, 1, 0,  
           0, 1, 0, 0,  
           1, 0, 0, 0)

# BGR -> RGB
BGR = im.convert("RGB", Matrix)

你可以这样理解矩阵：

newR = 0*oldR + 0*oldG + 1*oldB + 0 offset
newG = 0*oldR + 1*oldG + 0*oldB + 0 offset
newB = 1*oldR + 0*oldG + 0*oldB + 0 offset

输入

结果

【讨论】：