如何将 NumPy 数组转换为应用 matplotlib 颜色图的 PIL 图像

Posted 2023-02-18

【中文标题】如何将 NumPy 数组转换为应用 matplotlib 颜色图的 PIL 图像

【英文标题】：How to convert a NumPy array to PIL image applying matplotlib colormap

【发布时间】：2012-06-13 11:47:15

【问题描述】：

我有一个简单的问题，但我找不到好的解决方案。

我想获取一个表示灰度图像的 NumPy 2D 数组，并将其转换为 RGB PIL 图像，同时应用一些 matplotlib 颜色图。

我可以通过使用pyplot.figure.figimage 命令获得合理的PNG 输出：

dpi = 100.0
w, h = myarray.shape[1]/dpi, myarray.shape[0]/dpi
fig = plt.figure(figsize=(w,h), dpi=dpi)
fig.figimage(sub, cmap=cm.gist_earth)
plt.savefig('out.png')

虽然我可以调整它以获得我想要的东西（可能使用 StringIO 来获取 PIL 图像），但我想知道是否没有更简单的方法可以做到这一点，因为它似乎是图像可视化的一个非常自然的问题。比方说，像这样：

colored_PIL_image = magic_function(array, cmap)

【问题讨论】：

完整的工作代码，你可以参考：Is there any good color map to convert gray-scale image to colorful ones using python's PIL?

【参考方案1】：

相当繁忙的单线，但这里是：

首先确保您的 NumPy 数组 myarray 使用最大值 1.0 进行标准化。 将颜色图直接应用到myarray。 重新调整到0-255 范围。 转换为整数，使用np.uint8()。 使用Image.fromarray()。

你就完成了：

from PIL import Image
from matplotlib import cm
im = Image.fromarray(np.uint8(cm.gist_earth(myarray)*255))

plt.savefig():

im.save():

【讨论】：

“将颜色图直接应用于myarray”部分直击人心！我不知道这是可能的，谢谢！

研究有关 LinearSegmentedColormap 的文档（其中 cm.gist_earth 是一个实例），我发现可以使用已经将其转换为 uint8 的“字节”参数来调用它。然后，单线变得安静了很多：im = Image.fromarray(cm.gist_earth(myarray, bytes=True))

@CiprianTomoiaga，数组的形状应该是你想要的图像尺寸。例如，VGA 图像将从形状为 (1024,768) 的数组生成。您应该注意到这适用于单色图像。这很重要，因为通常当您将 RGB 图像转换为数组时，它的形状例如是 (1024,768,3)，因为它具有三个通道。

我收到错误NameError: name 'cm' is not defined

@mso from matplotlib import cm

【参考方案2】：

即使在应用其 cmets 中提到的更改后，接受的答案中描述的方法对我也不起作用。但是下面的简单代码有效：

import matplotlib.pyplot as plt
plt.imsave(filename, np_array, cmap='Greys')

np_array 可以是一个二维数组，其值从 0..1 浮点数到 0..255 uint8，在这种情况下它需要 cmap。对于 3D 数组，cmap 将被忽略。

【参考方案3】：

输入 = numpy_image np.unit8 -> 转换为整数 convert('RGB') -> 转换为 RGB

Image.fromarray -> 返回一个图像对象

from PIL import Image
import numpy as np

PIL_image = Image.fromarray(np.uint8(numpy_image)).convert('RGB')

PIL_image = Image.fromarray(numpy_image.astype('uint8'), 'RGB')

【讨论】：

希望它能解决问题，但请添加对代码的解释，以便用户完全理解他/她真正想要的。

好，更新的答案。以前的都是几年前的。

完美答案！