黑松山资源网 Design By www.paidiu.com
对比测试 scipy.misc 和 PIL.Image 和 libtiff.TIFF 三个库
输入:
1. (读取矩阵) 读入uint8、uint16、float32的lena.tif
2. (生成矩阵) 使用numpy产生随机矩阵,float64的mat
import numpy as np from scipy import misc from PIL import Image from libtiff import TIFF # # 读入已有图像,数据类型和原图像一致 tif32 = misc.imread('.\test\lena32.tif') #<class 'numpy.float32'> tif16 = misc.imread('.\test\lena16.tif') #<class 'numpy.uint16'> tif8 = misc.imread('.\test\lena8.tif') #<class 'numpy.uint8'> # 产生随机矩阵,数据类型float64 np.random.seed(12345) flt = np.random.randn(512, 512) #<class 'numpy.float64'> # 转换float64矩阵type,为后面作测试 z8 = (flt.astype(np.uint8)) #<class 'numpy.uint8'> z16 = (flt.astype(np.uint16)) #<class 'numpy.uint16'> z32 = (flt.astype(np.float32)) #<class 'numpy.float32'>
①对读取图像和随机矩阵的存储
# scipy.misc『不论输入数据是何类型,输出图像均为uint8』 misc.imsave('.\test\lena32_scipy.tif', tif32) #--> 8bit(tif16和tif8同) misc.imsave('.\test\\randmat64_scipy.tif', flt) #--> 8bit misc.imsave('.\test\\randmat8_scipy.tif', z8) #--> 8bit(z16和z32同) # PIL.Image『8位16位输出图像与输入数据类型保持一致,64位会存成32位』 Image.fromarray(tif32).save('.\test\lena32_Image.tif') #--> 32bit Image.fromarray(tif16).save('.\test\lena16_Image.tif') #--> 16bit Image.fromarray(tif8).save('.\test\lena8_Image.tif') #--> 8bit Image.fromarray(flt).save('.\test\\randmat_Image.tif') #--> 32bit(flt.min~flt.max) im = Image.fromarray(flt.astype(np.float32)) im.save('.\test\\randmat32_Image.tif') #--> 32bit(灰度值范围同上) #『uint8和uint16类型转换,会使输出图像灰度变换到255和65535』 im = Image.frombytes('I;16', (512, 512), flt.tostring()) im.save('.\test\\randmat16_Image1.tif') #--> 16bit(0~65535) im = Image.fromarray(flt.astype(np.uint16)) im.save('.\test\\randmat16_Image2.tif') #--> 16bit(0~65535) im = Image.fromarray(flt.astype(np.uint8)) im.save('.\test\\randmat8_Image.tif') #--> 8bit(0~255) # libtiff.TIFF『输出图像与输入数据类型保持一致』 tif = TIFF.open('.\test\\randmat_TIFF.tif', mode='w') tif.write_image(flt, compression=None) tif.close() #float64可以存储,但因BitsPerSample=64,一些图像软件不识别 tif = TIFF.open('.\test\\randmat32_TIFF.tif', mode='w') tif.write_image(flt.astype(np.float32), compression=None) tif.close() #--> 32bit(flt.min~flt.max) #『uint8和uint16类型转换,会使输出图像灰度变换到255和65535』 tif = TIFF.open('.\test\\randmat16_TIFF.tif', mode='w') tif.write_image(flt.astype(np.uint16), compression=None) tif.close() #--> 16bit(0~65535,8位则0~255)
②图像或矩阵归一化对存储的影响
# 『使用scipy,只能存成uint8』 z16Norm = (z16-np.min(z16))/(np.max(z16)-np.min(z16)) #<class 'numpy.float64'> z32Norm = (z32-np.min(z32))/(np.max(z32)-np.min(z32)) scipy.misc.imsave('.\test\\randmat16_norm_scipy.tif', z16Norm) #--> 8bit(0~255) # 『使用Image,归一化后变成np.float64 直接转8bit或16bit都会超出阈值,要*255或*65535』 # 『如果没有astype的位数设置,float64会直接存成32bit』 im = Image.fromarray(z16Norm) im.save('.\test\\randmat16_norm_Image.tif') #--> 32bit(0~1) im = Image.fromarray(z16Norm.astype(np.float32)) im.save('.\test\\randmat16_norm_to32_Image.tif') #--> 32bit(灰度范围值同上) im = Image.fromarray(z16Norm.astype(np.uint16)) im.save('.\test\\randmat16_norm_to16_Image.tif') #--> 16bit(0~1)超出阈值 im = Image.fromarray(z16Norm.astype(np.uint8)) im.save('.\test\\randmat16_norm_to8_Image.tif') #--> 8bit(0~1)超出阈值 im = Image.fromarray((z16Norm*65535).astype(np.uint16)) im.save('.\test\\randmat16_norm_to16_Image1.tif') #--> 16bit(0~65535) im = Image.fromarray((z16Norm*255).astype(np.uint16)) im.save('.\test\\randmat16_norm_to16_Image2.tif') #--> 16bit(0~255) im = Image.fromarray((z16Norm*255).astype(np.uint8)) im.save('.\test\\randmat16_norm_to8_Image2.tif') #--> 8bit(0~255) # 『使用TIFF结果同Image』
③TIFF读取和存储多帧tiff图像
#tiff文件解析成图像序列:读取tiff图像 def tiff_to_read(tiff_image_name): tif = TIFF.open(tiff_image_name, mode = "r") im_stack = list() for im in list(tif.iter_images()): im_stack.append(im) return #根据文档,应该是这样实现,但测试中不管是tif.read_image还是tif.iter_images读入的矩阵数值都有问题 #图像序列保存成tiff文件:保存tiff图像 def write_to_tiff(tiff_image_name, im_array, image_num): tif = TIFF.open(tiff_image_name, mode = 'w') for i in range(0, image_num): im = Image.fromarray(im_array[i]) #缩放成统一尺寸 im = im.resize((480, 480), Image.ANTIALIAS) tif.write_image(im, compression = None) out_tiff.close() return
补充:libtiff读取多帧tiff图像
因为TIFF.open().read_image()和TIFF.open().iter_images()有问题,则换一种方式读
from libtiff import TIFFfile tif = TIFFfile('.\test\lena32-3.tif') samples, _ = tif.get_samples()
以上这篇浅谈python下tiff图像的读取和保存方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
黑松山资源网 Design By www.paidiu.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
黑松山资源网 Design By www.paidiu.com
暂无评论...
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?
更新日志
2024年10月08日
2024年10月08日
- 《丁当 20首重量级歌曲 Fu Good 下一站天后 2CD》[WAV/分轨][650MB]
- 歌莉雅.2012-My.Voice.Story【环星】【FLAC分轨】
- 群星.1993-一曲成名·青春无悔【飞碟】【WAV+CUE】
- 刘德华.2000-爱无知(金装版)【NEWMELODY】【WAV+CUE】
- 许巍《时光漫步》1CD[FLAC/分轨][804.3MB]
- 群星《2024第一季度百度歌曲排行抖音榜top100》1CD[FLAC/分轨][2.3GB]
- 张柏芝《全新经验》[FLAC/分轨][450MB]
- 唐朝.2008-浪漫骑士【音乐家】【WAV+CUE】
- 张芸京.2016-失败的高歌【泡耳音乐】【WAV+CUE】
- 群星.1991-音乐工厂1·皇后大道东【音乐工厂】【WAV+CUE】
- 群星.1992-音乐工厂2·首都【音乐工厂】【WAV+CUE】
- 群星.1994-音乐工厂3·儿童乐园【音乐工厂】【WAV+CUE】
- 胡鸿钧.2021-ex:CHANGE【星梦娱乐】【WAV+CUE】
- 班得瑞原装进口《第一张新世纪专辑:仙境》1CD[APE/CUE分轨][292.3MB]
- 伍佰《摇滚教父 伍佰黄金精选 2CD》[WAV+CUE][990MB]