将 Numpy 数组图像编码为图像类型（.png 等）以将其与 GCloud Vision API 一起使用 - 无需 OpenCV

Question

在决定不使用OpenCV因为我只使用它的一个函数后，我想用其他函数替换cv2.imencode()函数。 目标是将2D Numpy Array转换为图像格式（如 .png）以将其发送到GCloud Vision API 。

这是我到现在为止一直在使用的：

content = cv2.imencode('.png', image)[1].tostring()
image = vision.types.Image(content=content)

现在我希望在不使用OpenCV 的情况下实现相同的目标。

到目前为止我发现的东西：

• Vision API 需要base64编码的数据
• Imencode 返回特定图像类型的编码字节

我认为值得注意的是，我的 numpy 数组是一个只有 2 维的二进制图像，并且整个函数将在 API 中使用，因此要避免将 png 保存到磁盘并重新加载它。

Answer 1

纯 Python 的 PNG 编写器

如果您坚持使用或多或少的纯python，那么ideaman对这个问题的回答中的以下函数很有用。

def write_png(buf, width, height):
    """ buf: must be bytes or a bytearray in Python3.x,
        a regular string in Python2.x.
    """
    import zlib, struct

    # reverse the vertical line order and add null bytes at the start
    width_byte_4 = width * 4
    raw_data = b''.join(
        b'\x00' + buf[span:span + width_byte_4]
        for span in range((height - 1) * width_byte_4, -1, - width_byte_4)
    )

    def png_pack(png_tag, data):
        chunk_head = png_tag + data
        return (struct.pack("!I", len(data)) +
                chunk_head +
                struct.pack("!I", 0xFFFFFFFF & zlib.crc32(chunk_head)))

    return b''.join([
        b'\x89PNG\r\n\x1a\n',
        png_pack(b'IHDR', struct.pack("!2I5B", width, height, 8, 6, 0, 0, 0)),
        png_pack(b'IDAT', zlib.compress(raw_data, 9)),
        png_pack(b'IEND', b'')])

将 Numpy 数组写入 PNG 格式的字节文字，编码为 base64

为了将灰度图像表示为 RGBA 图像，我们将矩阵堆叠成 4 个通道并设置 alpha 通道。 （假设您的 2d numpy 数组称为“img”）。 由于 PNG 坐标的工作方式，我们还垂直翻转了 numpy 数组。

import base64
img_rgba = np.flipud(np.stack((img,)*4, axis=-1)) # flip y-axis
img_rgba[:, :, -1] = 255 # set alpha channel (png uses byte-order)
data = write_png(bytearray(img_rgba), img_rgba.shape[1], img_rgba.shape[0])
data_enc = base64.b64encode(data)

测试编码是否正常工作

最后，为了确保编码正常工作，我们对 base64 字符串进行解码，并将输出作为“test_out.png”写入磁盘。 检查这是否与您开始使用的图像相同。

with open("test_out.png", "wb") as fb:
   fb.write(base64.decodestring(data_enc))

替代方案：只需使用 PIL

但是，我假设您首先使用某个库来实际读取图像？ （除非您正在生成它们）。 大多数用于读取图像的库都支持此类事情。 假设您正在使用 PIL，您还可以尝试以下代码片段（ 来自此答案）。 它只是将文件保存在内存中，而不是磁盘上，并使用它来生成一个 base64 字符串。

in_mem_file = io.BytesIO()
img.save(in_mem_file, format = "PNG")
# reset file pointer to start
in_mem_file.seek(0)
img_bytes = in_mem_file.read()

base64_encoded_result_bytes = base64.b64encode(img_bytes)
base64_encoded_result_str = base64_encoded_result_bytes.decode('ascii')