开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

Python:如何从numpy数组写出一个单通道的png文件？

要从numpy数组写出一个单通道的png文件，可以使用Pillow库来实现。Pillow是Python Imaging Library（PIL）的一个分支，提供了丰富的图像处理功能。

以下是实现的步骤：

首先，确保已经安装了Pillow库。可以使用以下命令进行安装：

pip install pillow

导入所需的库：

from PIL import Image
import numpy as np

创建一个numpy数组，表示单通道图像的像素值。假设数组名为image_data，形状为(height, width)。
将numpy数组转换为PIL图像对象：

image = Image.fromarray(image_data.astype(np.uint8), mode='L')

这里使用fromarray函数将numpy数组转换为PIL图像对象。astype(np.uint8)用于确保像素值的数据类型为8位无符号整数，mode='L'表示图像是单通道灰度图像。

保存图像为png文件：

image.save('output.png')

这将把图像保存为名为output.png的文件。

完整代码示例：

from PIL import Image
import numpy as np

# 创建一个numpy数组，表示单通道图像的像素值
image_data = np.random.randint(0, 256, size=(100, 100))

# 将numpy数组转换为PIL图像对象
image = Image.fromarray(image_data.astype(np.uint8), mode='L')

# 保存图像为png文件
image.save('output.png')

这样，就可以将numpy数组写出为一个单通道的png文件。

相关搜索:Python -如何从numpy数组构建新的矩阵？Python/ numpy :如何提取numpy数组中任意维数的内部？python从多个文件中加载the，并附加到相同的numpy数组中 Python或Vim帮助:如何使用当前工作目录作为名称来写出图像(PNG、JPEG)文件？一个用于从python中的NUMPY数组中获取位置数组的线性函数为什么我的numpy文件比使用相同数组生成的PNG文件大？从包含选择索引的另一个NumPy数组生成NumPy数组的最快方法从文件中构造结构化的numpy数组？如何从npy.gz文件恢复numpy数组如何从numpy数组中选择一个“卷”？

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

教你用不到 20 行代码制作一个 “手绘风” 视频

本期推文与计算机视觉相关，用不到 20 行 Python 代码将一张图片由自然风转化为手绘风，期间未对图片进行任何预处理、后处理

02

使用Python，OpenCV获取、更改像素，修改图像通道，剪裁ROI

这篇博客将介绍使用Python，OpenCV获取、更改像素，修改图像通道，截取图像感兴趣ROI；单通道图，BGR三通道图，四通道透明图，不透明图；

00

Opencv 图像处理：图像基础操作与灰度转化

Opencv读取图像是以BGR读取的，但是许多包是RGB读取，因此有些情况下需要转化。

03

OpenCV 4基础篇| OpenCV图像基本操作

01

[Python图像处理] 五.图像融合、图像加减法、图像逻辑运算及图像类型转换

该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类、目标检测应用。

01

Python3+OpenCV3图像处理（三）—— Numpy数组操作图片

print("width: %s height: %s channels: %s"%(width, height, channels))

03

Matplotlib 中文用户指南 3.2 图像教程

首先，让我们启动 IPython。它是 Python 标准提示符的最好的改进，它与 Matplotlib 配合得相当不错。在 shell 或 IPython Notebook 上都可以启动 IPython。

04

图解入门 NumPy，来了！

施工计划来到数据分析以及爬虫部分，Python领域，提到数据，自然会联想到一个包，NumPy，它太通用了，Pandas，SciPy，Tensorflow，scikit-learn 都选它为基础框架，所以Python生态里，掌握NumPy几乎是必须的。

01

task 7_修改 FCN(图像读取使用开源代码)

卷积网络是视觉处理中可以有效生成多层特征的架构，是最前沿的技术。因此作者想构造一个“全卷积网络”，来处理任意尺寸的输入图片，并生成相应尺寸的输出。

02

【OpenCV】Chapter1.图像的基本操作

扩展使用：可以通过cv2.namedWindow和cv2.resizeWindow来指定窗口显示尺寸。

02

python PIL 操作图片

Image 类是 PIL 库中一个非常重要的类，通过这个类来创建实例可以有直接载入图像文件，读取处理过的图像和通过抓取的方法得到的图像这三种方法。

01

手把手教你用Python给小姐姐美个颜

彩色图像比灰度图像拥有更丰富的信息，它的每个像素通常是由红（R）、绿（G）、蓝（B）3个分量来表示的，每个分量介于0～255之间。

01

c语言opencv读取图像_matlab读取一幅图像并显示

专栏地址：『youcans 的 OpenCV 例程300篇 – 总目录』 01. 图像的读取（cv2.imread） 02. 图像的保存（cv2.imwrite） 03. 图像的显示（cv2.imshow） 04. 用 matplotlib 显示图像（plt.imshow）

02

OpenCV-Python学习教程.3

对于CV2的库来说，一个彩色的照片通道的排序是，返回的图像格式的通道并不是按R、G、B排列的，而是按B、G、R顺序排列的。

02

用于图像处理的Python顶级库！！

正如IDC所指出的，数字信息将飙升至175ZB，而这些信息中的巨大一部分是图片。数据科学家需要（预先）测量这些图像，然后再将它们放入人工智能和深度学习模型中。在愉快的部分开始之前，他们需要做重要的工作。

01

前景提取

算法：提取图像前景时，先用一个矩形框指定前景区域所在的大致范围，然后不断迭代地分割，直到达到最好的效果。如果用户干预提取过程，用户在原始图像的副本中（或者与原始图像大小相等的任意一幅图像），用白色标注将提取为前景的区域，用黑色标注将作为背景的区域。接着，将标注后的图像作为掩膜，让算法不断迭代前景从而得到最终的结果。

01

OpenCV 4基础篇| OpenCV图像的拆分和合并

00

opencv学习笔记--ROI与泛洪填充

官方定义为：floodFill(InputOutputArray image, Point seedPoint, Scalar newVal, Rect* rect=0, Scalar loDiff=Scalar(), Scalar upDiff=Scalar(), int flags=4 )

02

[python opencv 计算机视觉零基础到实战] 三、numpy与图像编辑

在前两节中，我们对图像的属性进行了查看，得到了宽、高以及通道，但是我们对整体的图片数据结构还是存在一定的不理解；这一节将加深对图片数据结构上的理解，方便我们接下来的学习。

01

OpenCV—python 边缘检测（Canny）「建议收藏」

边缘类型：简单分为4中类型，阶跃型、屋脊型、斜坡型、脉冲型，其中阶跃型和斜坡型是类似的，只是变化的快慢不同。

02

OpenCV-Python学习（4）—— OpenCV 图像对象的创建与赋值

1. 学习目标图像对象的属性；图像对象的创建与赋值。 2. 图像对象的属性通过 image.shape 获取图像的宽、高、通道数；通过 image.dtype 获取图像数据类型；通过 image.size 获取图像的像素总数。 3. 代码演示默认使用三通道读取图片；获取图片的宽、高、通道数；三通道模式下图像的像素总数；图像的数据类型；使用灰度模式读取图片；重复第二步到第四步的打印。 import cv2 as cv def get_image_shape(): # 彩色模式读取（

05

使用Python给图片添加水印

这里需要使用Pillow库（Python Imaging Library），使用pip命令安装：

03

cyclegan 学习深度信息的效果

每个视频的深度基础真实存储在16位灰度PNG图像中：深度值是从z缓冲区获得的相机平面距理（https://en.wikipedia.org/wiki/Z-buffering）。它们对应于摄像机坐标空间中每个像素的z坐标（而不是与摄像机光学中心的距离）。我们使用了一个655.35米的固定远平面，即像天空像素这样的无穷远点被限制在655.3米的深度。这允许我们将Z值截断并归一化为[0; 2 ^ 16 - 1]整数范围，使得我们的单通道PNG16深度图像中的像素强度为1对应于距摄像机平面1cm的距离。以厘米为单位的深度图可以通过单线程（假设“import cv2”）以numpy和OpenCV直接加载到Python中 ref http://www.europe.naverlabs.com/Research/Computer-Vision/Proxy-Virtual-Worlds

02

Tensorflow卷积实现原理+手写python代码实现卷积

从一个通道的图片进行卷积生成新的单通道图的过程很容易理解，对于多个通道卷积后生成多个通道的图理解起来有点抽象。本文以通俗易懂的方式讲述卷积，并辅以图片解释，能快速理解卷积的实现原理。最后手写python代码实现卷积过程，让Tensorflow卷积在我们面前不再是黑箱子！

03

当Python也来进行修图神器，发现是真的蛮好用的呢！！

今天小编来和大家分享一下Python在图像处理当中的具体应用，那既然是图像处理，那必然要提到opencv模块了，该模块支持与计算机视觉和机器学习相关的众多算法，并且应用领域正在日益扩展，大致有以下几种领域

01

OpenCV-Python学习（9）—— OpenCV 通道的分离与合并(cv.split、cv.merge、cv.mixChannels、cv.inRange)

1. 知识点 BGR/HSV 彩色通道分离为单独通道；针对不同通道使用不同阀值提取mask；学会使用【通道分离】函数 cv.split；学会使用【通道合并】函数 cv.merge；学会使用【把输入的矩阵（或矩阵数组）的某些通道拆分复制给对应的输出矩阵（或矩阵数组）的某些通道（通道复制）】函数 cv.mixChannels；学会使用【通道阀值】函数 cv.inRange。 2. cv.split() 函数解释 2.1 函数使用 cv.split(src, mvbegin) 2.2 参数说明参数

01

Python opencv图像处理基础总结(一) 环境搭建基础操作

Open Source Computer Vision Library，OpenCV于 1999 年由 Intel 建立，如今由 Willow Garage 提供支持。OpenCV是一个基于 BSD 许可(开源)发行的跨平台计算机视觉库，可以运行在Linux、Windows、MacOS操作系统上。它轻量而且高效——由一系列 C 函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

02

[深度学习工具]·python音频常用的操作

链接：http://www.cnblogs.com/xingshansi/p/6799994.html

05

Python opencv图像处理基础总结(四) 模板匹配图像二值化

模板匹配是一种最原始、最基本的模式识别方法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物，这就是一个匹配问题。它是图像处理中最基本、最常用的匹配方法。模板匹配具有自身的局限性，主要表现在它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。

03

CV学习笔记（十）：直方图

在日常做CV的过程中，慢慢的就得去琢磨怎么使用一些直观的方式来展现数据，甚至来展现一些图片的区别。在Python中，我们经常会用到matplotlib这个2D绘图库来绘制图形。在matplotlib能够绘制的种类很多，在这篇文章中，我会通过绘制直方图来去展现一些常用的绘图技巧和方式。写很长的东西不一定专业，只能帮助你对一个概念有一个快速入门，知识体系能稍微系统一点而已。抛砖引玉，大家共同学习。

00

OpenCV入门教程1-常用函数

工作的原因，最近开始涉及到很多图像处理的工作，所以决定开辟一个新专栏：OpenCV入门教程系列。

01

Python opencv图像处理基础总结(二) ROI操作与泛洪填充模糊操作边缘保留滤波EPF

ROI(Region Of Interest)，感兴趣区域，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域，经常用来连接图像。

04

奥比中光相机的深度图像数据（TUM数据集）

1. rgb.txt 和 depth.txt 记录了各文件的采集时间和对应的文件名。

03

Python opencv图像处理基础总结(一)

Open Source Computer Vision Library，OpenCV于1999年由Intel建立，如今由Willow Garage提供支持。OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库，可以运行在Linux、Windows、MacOS操作系统上。它轻量而且高效——由一系列 C 函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

03

【译】使用“不安全“的Python加速100倍代码运行速度

我们将使用“不安全”的Python将一些Numpy代码加速100倍。假设你在用pygame编写一个游戏，并且你需要经常调整图像大小。我们可以使用pygame或openCV调整图像大小：

01

OpenCV 系列教程2 - Core 组件

若是单通道的像素，像素有 256（0-255）个值，若是三通道，则颜色数就更多（一千六百多万种），如此多的颜色进行处理，会对算法的性能造成影响。这些颜色中，有代表性的颜色只是小部分。

02

图像语义分割 —利用Deeplab v3+训练VOC2012数据集

配置：windows10 + Tensorflow1.6.0 + Python3.6.4（笔记本无GPU）

02

opencv(4.5.3)-python(七)--图像的基本操作

本节中几乎所有的操作都主要与Numpy而不是OpenCV有关。要想用OpenCV写出更好的优化代码，需要有良好的Numpy知识。

02

2.opencv图像基本操作（2）

通过使用split可以将图片的通道提取出来，使用merge可以将通道重新合成图片。

02

OpenCV基础 | 3.numpy在图像处理中的基本使用

作者：小郭学数据源自：快学python 学习视频可参见python+opencv3.3视频教学基础入门今天写的是numpy在图像处理中的基本使用 1.获取图片高宽通道及图像反转 # 获取图片高宽通道及图像反转 def access_pixels(image): print(image.shape) height=image.shape[0] #高 width=image.shape[1] #宽 channels=image.shape[2] #通道数

01

[图像]用Matlab在图像上画矩形框

原文链接：http://blog.csdn.net/humanking7/article/details/46819527

01

Python+OpenCV的图像读取、显示、保存

一、图像的读取图像的读取主要函数是cv2.imread()。函数格式：Mat cv::imread (const String & filename, int flags = IMREAD_COLOR) 功能：读取图片文件。参数： windows位图：后缀名为bmp JPEG文件：后缀名为jpeg/jpg JPEG2000：后缀名为jp2 便携式网络图像文件：后缀名为png TIFF文件：后缀名为tiff/tif 参数二是整型的flag，标志，默认值为IMREAD_COLOR，取值有如下几种： IMREAD_UNCHANGED：如果设置，则按原样返回加载的图像（带有Alpha通道，否则会被裁剪）。 IMREAD_GRAYSCALE：如果设置，总是将图像转换为单通道灰度图像读入。 IMREAD_COLOR：如果设置，总是将图像转换为3通道BGR彩色图像读入。 IMREAD_ANYDEPTH：如果设置，当输入具有相应深度时返回16位/ 32位图像，否则将其转换为8位。 IMREAD_ANYCOLOR：如果设置，图像将以任何可能的颜色格式读取。 IMREAD_LOAD_GDAL：如果设置，总是使用GDAL驱动程序加载图像。 IMREAD_REDUCED_GRAYSCALE_2：如果设置，总是将图像转换为单通道灰度图像，图像尺寸减小1/2。 IMREAD_REDUCED_COLOR_2：如果设置，总是将图像转换为3通道BGR彩色图像，图像尺寸减小1/2。 IMREAD_REDUCED_GRAYSCALE_4：如果设置，总是将图像转换为单通道灰度图像，图像尺寸减小1/4。 IMREAD_REDUCED_COLOR_4：如果设置，总是将图像转换为3通道BGR彩色图像，图像尺寸减小1/4。 IMREAD_REDUCED_GRAYSCALE_8：如果设置，总是将图像转换为单通道灰度图像，图像尺寸减小1/8。 IMREAD_REDUCED_COLOR_8：如果设置，总是将图像转换为3通道BGR彩色图像，图像尺寸减小1/8 常用的是前三种。因为flags是整型，所以传入数值也行： flags >0：等同于IMREAD_COLOR。 flags =0：等同于 IMREAD_GRAYSCALE。 flags <0：等同于IMREAD_UNCHANGED。通常是给1、0、-1，给其他整型也是可以的。返回值：Mat类型。从opencv2开始，用于存放图像的数据类型就是Mat，二、图像的显示图像读取后，下一步就是再把图像显示出来，主要函数有：cv2.namedWindows（）、cv2.imshow（）。再另外再介绍三个函数cv2.waitKey（）、cv2.destroyWindow（）、cv2.destroyAllWindows（）。 2.1 cv2.namedWindows函数介绍 void cv::namedWindow (const String & winname,int flags = WINDOW_AUTOSIZE ) 功能：创建一个窗口。参数：参数一是winname，给创建的窗口起一个名字，以后通过这个名字调用该窗口；参数二整型的flags，定义窗口的属性，默认值是WINDOW_AUTOSIZE，其他取值如下所示： WINDOW_NORMAL：用户可以调整窗口大小（不受约束）/也可以使用将全屏窗口切换为正常大小。 WINDOW_AUTOSIZE：用户无法调整窗口大小，窗口大小随显示图像的大小而变化。 WINDOW_OPENGL：带有opengl支持的窗口。 WINDOW_FULLSCREEN：将窗口更改为全屏。 WINDOW_FREERATIO：不遵循图像的比例调整图像后在窗口显示 WINDOW_KEEPRATIO：根据图像的比例调整图像后在窗口中显示 2.2 cv2.imshow函数介绍 void cv::imshow (const String & winname, InputArray mat ) 功能：在指定窗口显示图像。参数：参数一是窗口名；参数二设置为要显示的图像。注意此函数之后应该跟随函数waitKey，指定窗口显示多少毫秒。 2.3 cv2.waitKey函数介绍 int cv::waitKey (int delay = 0) 功能：等待按键或延迟多少毫秒。参数：整型的delay，默认值是0。设置为0表示永久等待按键，设置为非零，表示延迟delay毫秒。该函数仅在创建至少一个窗口并且窗口处于活动状态时才起作用。 2.4 cv2.destroyWind

01

AI入门之数据处理(Numpy指南)

python中的数据操作基本都用numpy来做，在做深度学习的过程一定也绕不过numpy。这篇分几个部分介绍numpy · numpy array 的基本属性，包括 shape, size, dim, data type · 通过 index 获取 numpy array 的数据 · 分割 numpy array，获取 sub array · 变换 numpy array 的维度 · 合并 numpy array，合并多个数组

02

使用numpy处理图片——基础操作

numpy是一款非常优秀的处理多维数组的Python基础包。在现实中，我们最经常接触的多维数组相关的场景就是图像处理。本系列将通过若干篇对图像处理相关的探讨，来介绍numpy的使用方法，以获得直观的体验。本系列使用的照片使用的是RGBA色彩空间模型，即一个像素点，要通过R（Red红色）、G（Green绿色）、B（Blue蓝色）和A（Alpha通道）组成。前三种三原色比较好理解，即一个颜色可以通过红绿蓝三种颜色组成；Alpha则是代表透明度，0代表完全透明，255代表完全不透明，中间的数值则代表相应程度的半透明。

01

task7 FCN分析

卷积网络是视觉处理中可以有效生成多层特征的架构，是最前沿的技术。因此作者想构造一个“全卷积网络”，来处理任意尺寸的输入图片，并生成相应尺寸的输出。

02

python——opencv入门（一）

和Python一样，当前的OpenCV也有两个大版本，OpenCV2和OpenCV3。相比OpenCV2，OpenCV3提供了更强的功能和更多方便的特性。不过考虑到和深度学习框架的兼容性，以及上手安装的难度，这部分先以2为主进行介绍。

04

完整图解：特征工程最常用的四个业务场景演示

数据检测、筛选、处理是特征工程中比较常用的手段，常见的场景最终都可以归类为矩阵的处理，对矩阵的处理往往会涉及到

02

深度理解卷积--使用numpy实现卷积

在深度学习里CNN卷积神经网络是最常见的概念，可以算AI届的hello world了。https://www.jianshu.com/p/fc9175065d87这个文章中用动图很好的解释了什么叫做卷积。其实很早的图像处理里，使用一个滤波器扫一遍图像就类似现在深度学习里卷积的计算过程，只是AI中核是需要通过学习得到的。本文就不从理论上详细介绍卷积了，程序员就要有程序员的亚子，所以我直接上代码介绍怎么用numpy实现卷积。

02

matinal：python 读写本地音频文件

在语音处理中，音频文件读写是基本操作。然而读写方式乃至归一化处理的多样化，有可能导致后续处理的偏差乃至错误。本文汇集实践中所遇的一些方法，并参考了其他文章，确保读写操作的准确性和一致性。

02

Python opencv图像处理基础总结(二) ROI操作与泛洪填充模糊操作边缘保留滤波EPF

ROI(Region Of Interest)，感兴趣区域，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域，经常用来连接图像。

03

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭