python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python PIL将数组输出图像

使用Python的PIL如何将数组输出图像

作者:Vic·Tory

这篇文章主要介绍了使用Python的PIL如何将数组输出图像问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教

PIL将数组输出图像

最近拿到一幅txt格式的城市地图,其格式为2400×2400的二维数组,每个数组的值为一个整数,从1到800,将城市划分为800个不同的区,一个区的整数值相同,直接查看txt文档不太容易,因此考虑将该txt利用python转化为图像。

通常的彩色图像可以看作是三维数组,长×宽×通道,其中通道为每个像素点上用于表示颜色的数据,例如RGB三通道就是利用三个0~255的值来描述红、绿、蓝三个颜色。

PIL.Image打开PNG、BMP和JPG彩色图像格式会将其保存为RGB模式的三维数组。

但是现在的txt文件是二维数组,只有长×宽,需要填充RGB颜色通道的值。

由于有800个不同的数字,因此我们将区域数值对255取模作为B通道的值,取整作为G通道的值,这样已经足以区别800个区域的值了,但是相邻区域颜色太接近,因此将取模的值先乘以50再对255取模,这样可以将相邻区域的颜色值在R通道上拉开,便于观察。

import numpy as np
from PIL import Image
 
map_data = np.loadtxt("./city_map.txt")
map_data = map_data.tolist()
 
# 填充地图数组的颜色通道
for i in range(2400):
    for j in range(2400):
        value = int(map_data[i][j])
        if value == 0:  # 如果地图值为0,显示黑色
            map_data[i][j] = [0, 0, 0]
        else:           # 将流量低的区域根据区域号码来填充RGB三通道
            r = (value % 255) * 50 % 255        # 取模乘以50再取模作为R通道
            g = (value // 255) * 50 + 100       # 取整加100作为G通道的值
            b = value % 255                     # 取模作为B通道的值
            map_data[i][j] = [r, g, b]
 
# 输出png图像
map_data = np.array(map_data)
map_data = np.asarray(map_data, np.uint8)
pic = Image.fromarray(map_data)
pic.save('city.png')

生成图像如下:

如果需要根据每个地区的不同指标数值来生成由浅至深的图像,首先根据区域的索引从指标数组flow_data[]读出该地区的指标flow_value,然后将flow_value与指标最大值max_flow相除,再乘以255,这样就将指标的值映射到了R通道的0~255的值上,然后用255减去该值,将G、B通道都染为255,这样是为了指标数值小的地方显示为白色。

    map_data = np.loadtxt("./city.txt")
    map_data = map_data.tolist()
    max_flow = flow_data.max()
    for i in range(2400):
        for j in range(2400):
            area = int(map_data[i][j])
            flow_value = flow_data[area - 1]   # 根据地图区域索引读取值
            if area == 0:  # 如果地图值为0,显示黑色
                map_data[i][j] = [0, 0, 0]
            else:  # 根据区域流量值来填充RGB三通道
                r = 255 - flow_value / max_flow * 255
                g = 255
                b = 255
                map_data[i][j] = [r, g, b]
    # 输出png图像
    map_data = np.array(map_data)
    map_data = np.asarray(map_data, np.uint8)
    pic = Image.fromarray(map_data)
    pic.save('./output/' + flow_type + '_flow_map.png')

使用PIL的Image对象生成图像的模式有九种

除了RGB之外还有如下:

模式“1”为二值图像,非黑即白。但是它每个像素用8个bit表示,0表示黑,255表示白。

模式“L”为灰色图像,它的每个像素用8个bit表示,0表示黑,255表示白,其他数字表示不同的灰度

模式“I”为32位整型灰色图像,它的每个像素用32个bit表示,0表示黑,255表示白,(0,255)之间的数字表示不同的灰度。

模式“F”为32位浮点灰色图像,它的每个像素用32个bit表示,0表示黑,255表示白,(0,255)之间的数字表示不同的灰度。

模式“P”为8位彩色图像,它的每个像素用8个bit表示,其对应的彩色值是按照调色板查询出来的。

模式“RGBA”为32位彩色图像,它的每个像素用32个bit表示,其中24bit表示红色、绿色和蓝色三个通道,另外8bit表示alpha通道,即透明通道。

模式“CMYK”为32位彩色图像,它的每个像素用32个bit表示。模式“CMYK”就是印刷四分色模式,它是彩色印刷时采用的一种套色模式,利用色料的三原色混色原理,加上黑色油墨,共计四种颜色混合叠加,形成所谓“全彩印刷”。四种标准颜色是:C:Cyan = 青色,又称为‘天蓝色’或是‘湛蓝’M:Magenta = 品红色,又称为‘洋红色’;Y:Yellow = 黄色;K:Key Plate(blacK) = 定位套版色(黑色)。

模式“YCbCr”为24位彩色图像,它的每个像素用24个bit表示。YCbCr其中Y是指亮度分量,Cb指蓝色色度分量,而Cr指红色色度分量。人的肉眼对视频的Y分量更敏感,因此在通过对色度分量进行子采样来减少色度分量后,肉眼将察觉不到的图像质量的变化。

例如通过image.convert("F")可以将图片转换为F模式

总结

以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。

您可能感兴趣的文章:
阅读全文