如果你的图像以Blob格式存储(即在数据库中)，你可以使用Billal Begueradj解释的相同技术将你的图像从Blob转换为字节数组。

在我的情况下，我需要我的图像存储在一个db表中的blob列:

def select_all_X_values(conn):
    cur = conn.cursor()
    cur.execute("SELECT ImageData from PiecesTable")    
    rows = cur.fetchall()    
    return rows

然后我创建了一个helper函数来将我的数据集更改为np.array:

X_dataset = select_all_X_values(conn)
imagesList = convertToByteIO(np.array(X_dataset))

def convertToByteIO(imagesArray):
    """
    # Converts an array of images into an array of Bytes
    """
    imagesList = []

    for i in range(len(imagesArray)):  
        img = Image.open(BytesIO(imagesArray[i])).convert("RGB")
        imagesList.insert(i, np.array(img))

    return imagesList

在此之后，我能够在我的神经网络中使用byteArrays。

plt.imshow(imagesList[0])

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)

您没有说putdata()的行为是如何不正确的。我猜你在做

>>> pic.putdata(a)
Traceback (most recent call last):
  File "...blablabla.../PIL/Image.py", line 1185, in putdata
    self.im.putdata(data, scale, offset)
SystemError: new style getargs format but argument is not a tuple

这是因为putdata需要一个元组序列，而您给了它一个numpy数组。这

>>> data = list(tuple(pixel) for pixel in pix)
>>> pic.putdata(data)

会起作用，但很慢。

从PIL 1.1.6开始，在图像和numpy数组之间进行转换的“正确”方法很简单

>>> pix = numpy.array(pic)

尽管结果数组的格式与您的不同(在这种情况下是3d数组或rows/columns/rgb)。

然后，在对数组进行更改之后，您应该能够执行pic.putdata(pix)或使用image .fromarray(pix)创建新图像。

如果你的图像以Blob格式存储(即在数据库中)，你可以使用Billal Begueradj解释的相同技术将你的图像从Blob转换为字节数组。

在我的情况下，我需要我的图像存储在一个db表中的blob列:

def select_all_X_values(conn):
    cur = conn.cursor()
    cur.execute("SELECT ImageData from PiecesTable")    
    rows = cur.fetchall()    
    return rows

然后我创建了一个helper函数来将我的数据集更改为np.array:

X_dataset = select_all_X_values(conn)
imagesList = convertToByteIO(np.array(X_dataset))

def convertToByteIO(imagesArray):
    """
    # Converts an array of images into an array of Bytes
    """
    imagesList = []

    for i in range(len(imagesArray)):  
        img = Image.open(BytesIO(imagesArray[i])).convert("RGB")
        imagesList.insert(i, np.array(img))

    return imagesList

在此之后，我能够在我的神经网络中使用byteArrays。

plt.imshow(imagesList[0])

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()。

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。