PIL 映像到 numpy

Question

我有一個 NumPy 圖像（二維），其中每個像素范圍以千為單位。 我想將其轉換為 RGB 圖像（3 維），范圍從 0 到 255。所以我做了以下操作：

from PIL import Image
import numpy as np
image = Image.fromarray(input_image,'RGB')
new_image = np.asarray(image)

但是，當我使用matplotlib顯示input_image (2-dim) 和new_image (3-dim) 時，它們看起來完全不同：

from matplotlib import pyplot as plt
plt.figure()
plt.imshow(input_image)
plt.figure()
plt.imshow(new_image)

我錯過了什么？

Answer 1

所謂的“原始圖像”具有“viridis”顏色圖的錯誤 colors。
Viridis 顏色圖是 matplotlib 的默認顏色matplotlib 。

使用image = Image.fromarray(input_image,'RGB')不會將圖像轉換為假 colors - 它將值重新解釋為 RGB，結果看起來像隨機噪聲。

為了獲得與matplotlib "viridis" 顏色圖相同的 colors 作為 RGB 值，我們可以使用以下階段：

• 獲取 Viridis 顏色圖（來自matplotlib ），並將其轉換為查找表。
  查找表的大小將是 256 個條目。
  輸入是 [0, 255] 范圍內的值，output 是 RGB 三元組。
• 使用線性變換將輸入圖像轉換為 uint8（范圍 [0, 255]）。
  線性變換將最小值（ input_image ）傳遞給0 ，將最大值（ input_image ）傳遞給255 ，其他值進行線性變換。
• 墊img通過 Viridis 顏色圖查找表。

我們可能會 select 其他類型的顏色圖（Viridis 只是一個例子）。

---

代碼示例：

from matplotlib import pyplot as plt
import numpy as np
from PIL import Image

# Build arbitrary image for testing
################################################################################
cols, rows = 320, 256
x, y = np.meshgrid(np.arange(cols), np.arange(rows))
input_image = (x*y % 10000).astype(np.uint16)
#image = Image.fromarray(input_image)
#plt.figure()
#plt.imshow(image)
#plt.show(block=True)
################################################################################

# Get viridis colormap, and convert it to look up table:
cmap = plt.get_cmap('viridis')
cmaplist = [cmap(i) for i in range(cmap.N)]  # https://stackoverflow.com/q/43384448/4926757
lut = np.array(cmaplist)  # The look up table is given in RGBA color space (256 entries).
lut = np.round(lut[:, 0:3]*255).astype(np.uint8)  # Convert from RGBA to RGB (get only first 3 elements) and convert to uint8

# Convert input image to uint8 (range [0, 255]) using linear transformation:
minval = input_image.min()
maxval = input_image.max()
img = ((input_image.astype(float) - minval)*(255.0/(maxval-minval)))
img = np.round(img).astype(np.uint8)

# Pads img through viridis colormap look up table
colored_img = lut[img]

plt.figure()
plt.imshow(colored_img)
plt.show(block=True)

---

Output：