将Numpy转换为PIL图像和PIL转换为Numpy

import numpy as np
from PIL import Image

def pilToNumpy(img):
    return np.array(img)

def NumpyToPil(img):
    return Image.fromarray(img)

你需要将你的图像转换为numpy数组:

import numpy
import PIL

img = PIL.Image.open("foo.jpg").convert("L")
imgarr = numpy.array(img) 

将I作为数组打开:

>>> I = numpy.asarray(PIL.Image.open('test.jpg'))

对I做一些操作，然后将它转换回图像:

>>> im = PIL.Image.fromarray(numpy.uint8(I))

来源:使用FFT过滤numpy图像，Python

如果您出于某种原因想显式地执行此操作，在related .zip中的此页上有pil2array()和array2pil()函数使用getdata()。

def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()

您可以将图像转换为numpy 通过压缩特征后将图像解析为numpy()函数(非归一化)

我使用的是Python 3.5中的Pillow 4.1.1 (PIL的继承者)。Pillow和numpy之间的转换很简单。

from PIL import Image
import numpy as np
im = Image.open('1.jpg')
im2arr = np.array(im) # im2arr.shape: height x width x channel
arr2im = Image.fromarray(im2arr)

需要注意的一点是，pillow风格的im是列为主的，而numpy风格的im2arr是行为主的。然而，函数Image.fromarray已经考虑到了这一点。也就是arr2im。Size == im。尺寸和长度。Mode == im。模式在上面的例子。

在处理转换后的numpy数组时，我们应该注意HxWxC数据格式，例如执行转换im2arr = np。rol速(im2arr, 2,0)或im2arr = np。将(im2arr，(2,0,1))转置为CxHxW格式。

将Numpy转换为PIL图像和PIL转换为Numpy

import numpy as np
from PIL import Image

def pilToNumpy(img):
    return np.array(img)

def NumpyToPil(img):
    return Image.fromarray(img)