Numpy 将Pillow图片对象和Numpy数组进行相互转换时维度变化的问题

在使用Python中的Pillow图片库和Numpy时，可能会遇到将Pillow图片对象和Numpy数组进行相互转换时维度变化的问题。本文将介绍在这个过程中可能出现的问题和解决方法。

阅读更多：Numpy 教程

PIL.Image与Numpy数组之间的转换

PIL.Image对象和Numpy数组之间可以相互转换，但是在进行转换时需要注意维度的转换。PIL.Image对象一般是二维或三维，Numpy数组可以是一维、二维、三维或多维。将PIL.Image对象转换成Numpy数组一般采用以下方式：

from PIL import Image
import numpy as np

img = Image.open('test.jpg')
img_array = np.array(img)

将Numpy数组转换成PIL.Image对象一般采用以下方式：

from PIL import Image
import numpy as np

img_array = np.array([[1,2,3],[4,5,6],[7,8,9]])
img = Image.fromarray(img_array)

需要注意的是，当PIL.Image对象是三维数组时，表示的是RGB图像，而Numpy数组的三维数组表示的是BGR图像，在进行转换时需要进行颜色通道的变换。

img = img[:, :, ::-1]

图片维度的变化

在进行PIL.Image对象和Numpy数组的相互转换过程中，可能会出现维度变化的问题。例如，将某个图像文件转换成PIL.Image对象后，对其进行缩放或者旋转等处理，再将其转换成Numpy数组，此时Numpy数组的维度与原始Numpy数组的维度不一定相同。

img = Image.open('test.jpg')
img = img.rotate(45)
img_array = np.array(img)
print(img_array.shape) #(414, 414, 3)

原始图像的维度是(480, 480, 3)，经过旋转处理后，Numpy数组的维度变成了(414, 414, 3)，因为旋转图片会导致图片失去一部分像素，所以图片的大小也会发生变化。如果需要将Numpy数组重新转换成PIL.Image对象，需要先将其进行reshape操作，使其维度恢复原来的维度。

img_array = np.reshape(img_array, (480, 480, 3))
new_img = Image.fromarray(img_array.astype(np.uint8))
new_img.show()

解决方案

在进行PIL.Image对象和Numpy数组的转换过程中，为避免出现维度变化的问题，可以采用如下的方法进行操作：

转换时指定图片的读入模式，默认为“L”(灰度图像)，如果读取彩色图像需要指定模式为“RGB”或者“RGBA”，例如：

img = Image.open('test.jpg').convert('RGB')

在对图片进行变换之前，先将其转换成Numpy数组，这样在进行变换之后再将其转换成PIL.Image对象，维度不会发生变化，例如：

img_array = np.array(img)
img_array = img_array[:, :, ::-1] #将BGR图像转换成RGB图像
img_array = cv2.resize(img_array, (500, 500)) #将图片缩放至500x500
img = Image.fromarray(np.uint8(img_array))

在将Numpy数组转换成PIL.Image对象之前，通过reshape方法将其维度恢复成最初的维度，例如：

img_array = np.reshape(img_array, (480, 480, 3))
new_img = Image.fromarray(img_array.astype(np.uint8))

总结

PIL.Image对象和Numpy数组在进行相互转换时，需要注意维度的变化问题。在对PIL.Image对象进行变换时，可能会导致Numpy数组的维度发生变化，为了避免这种问题的出现，我们可以在转换时设置图片的读入模式、在变换之前先将其转换成Numpy数组进行处理，或者在将Numpy数组转换成PIL.Image对象之前将其维度恢复成最初的维度。通过这些方法，我们可以确保在进行PIL.Image对象和Numpy数组的相互转换时，维度不会发生变化，从而避免出现不必要的问题。