11

我正在使用我想以高精度（例如 16 位）保存到灰度 .png 文件的二维浮点 numpy 数组。如果可能的话，我想使用 scikit-imageskimage.io包来做到这一点。

这是我尝试过的主要内容：

import numpy as np
from skimage import io, exposure, img_as_uint, img_as_float

im = np.array([[1., 2.], [3., 4.]], dtype='float64')
im = exposure.rescale_intensity(im, out_range='float')
im = img_as_uint(im)
im

产生：

array([[    0, 21845],
       [43690, 65535]], dtype=uint16)

首先，我尝试将其保存为图像，然后使用 Python 图像库重新加载：

# try with pil:
io.use_plugin('pil')
io.imsave('test_16bit.png', im)
im2 = io.imread('test_16bit.png')
im2

产生：

array([[  0,  85],
       [170, 255]], dtype=uint8)

所以某处（在写入或读取中）我失去了精度。然后我尝试使用 matplotlib 插件：

# try with matplotlib:
io.use_plugin('matplotlib')
io.imsave('test_16bit.png', im)
im3 = io.imread('test_16bit.png')
im3

给了我一个 32 位浮点数：

array([[ 0.        ,  0.33333334],
       [ 0.66666669,  1.        ]], dtype=float32)

但我怀疑这真的是 32 位，因为我将 16 位 uint 保存到文件中。如果有人能指出我哪里出错了，那就太好了。我也希望它扩展到 3D 数组（即每个颜色通道节省 16 位，每个图像 48 位）。

更新：

问题在于imsave。图像是每通道 8 位。如何使用 io.imsave 输出高位深度图像？

4

1 回答 1

11

你想使用freeimage图书馆这样做：

import numpy as np
from skimage import io, exposure, img_as_uint, img_as_float

io.use_plugin('freeimage')

im = np.array([[1., 2.], [3., 4.]], dtype='float64')
im = exposure.rescale_intensity(im, out_range='float')
im = img_as_uint(im)

io.imsave('test_16bit.png', im)
im2 = io.imread('test_16bit.png')

结果：

[[    0 21845]
 [43690 65535]]

至于 3D 数组，您需要正确构造数组，然后它才能工作：

# im = np.array([[1, 2.], [3., 4.]], dtype='float64')
im = np.linspace(0, 1., 300).reshape(10, 10, 3)
im = exposure.rescale_intensity(im, out_range='float')
im = img_as_uint(im)

io.imsave('test_16bit.png', im)
im2 = io.imread('test_16bit.png')

请注意，读取的图像是翻转的，因此类似的东西np.fliplr(np.flipud(im2))会将其恢复为原始形状。

于 2014-06-16T09:48:01.363 回答