Wie konvertiere ich ein Numpy-Array in ein Bild (und zeige es an)?

Ich habe ein Array so erstellt:

import numpy as np
data = np.zeros( (512,512,3), dtype=np.uint8)
data[256,256] = [255,0,0]

Ich möchte, dass dies einen einzelnen roten Punkt in der Mitte eines 512x512-Bildes anzeigt. (Zumindest zu Beginn ... Ich denke, ich kann den Rest von dort herausfinden)

Sie können PIL verwenden, um ein Bild zu erstellen (und anzuzeigen):

from PIL import Image
import numpy as np

w, h = 512, 512
data = np.zeros((h, w, 3), dtype=np.uint8)
data[0:256, 0:256] = [255, 0, 0] # red patch in upper left
img = Image.fromarray(data, 'RGB')
img.save('my.png')
img.show()

Folgendes sollte funktionieren:

from matplotlib import pyplot as plt
plt.imshow(data, interpolation='nearest')
plt.show()

Wenn Sie Jupyter Notebook / Lab verwenden, verwenden Sie diesen Inline-Befehl, bevor Sie matplotlib importieren:

%matplotlib inline 

Der kürzeste Weg ist scipywie folgt :

from scipy.misc import toimage
toimage(data).show()

Dazu muss auch PIL oder Pillow installiert sein.

Ein ähnlicher Ansatz, der auch PIL oder Pillow erfordert, aber möglicherweise einen anderen Betrachter aufruft, ist:

from scipy.misc import imshow
imshow(data)

Mit Pygame können Sie ein Fenster öffnen, die Oberfläche als Array von Pixeln abrufen und von dort aus beliebig bearbeiten . Sie müssen Ihr Numpy-Array jedoch in das Oberflächen-Array kopieren, was viel langsamer ist als die eigentlichen Grafikoperationen auf den Pygame-Oberflächen selbst.

So zeigen Sie Bilder, die in einem numpy-Array gespeichert sind, anhand eines Beispiels an (funktioniert im Jupyter-Notizbuch)

Ich weiß, dass es einfachere Antworten gibt, aber diese geben Ihnen ein Verständnis dafür, wie Bilder tatsächlich aus einem numpy-Array ertrinken.

Beispiel laden

from sklearn.datasets import load_digits
digits = load_digits()
digits.images.shape   #this will give you (1797, 8, 8). 1797 images, each 8 x 8 in size

Array eines Bildes anzeigen

digits.images[0]
array([[ 0.,  0.,  5., 13.,  9.,  1.,  0.,  0.],
       [ 0.,  0., 13., 15., 10., 15.,  5.,  0.],
       [ 0.,  3., 15.,  2.,  0., 11.,  8.,  0.],
       [ 0.,  4., 12.,  0.,  0.,  8.,  8.,  0.],
       [ 0.,  5.,  8.,  0.,  0.,  9.,  8.,  0.],
       [ 0.,  4., 11.,  0.,  1., 12.,  7.,  0.],
       [ 0.,  2., 14.,  5., 10., 12.,  0.,  0.],
       [ 0.,  0.,  6., 13., 10.,  0.,  0.,  0.]])

Erstellen Sie leere 10 x 10 Untergrundstücke zur Visualisierung von 100 Bildern

import matplotlib.pyplot as plt
fig, axes = plt.subplots(10,10, figsize=(8,8))

Plotten von 100 Bildern

for i,ax in enumerate(axes.flat):
    ax.imshow(digits.images[i])

Ergebnis:

Was macht axes.flatdas Es wird ein Numpy-Enumerator erstellt, sodass Sie über die Achse iterieren können, um Objekte darauf zu zeichnen. Beispiel:

import numpy as np
x = np.arange(6).reshape(2,3)
x.flat
for item in (x.flat):
    print (item, end=' ')

Verwenden Sie zum Beispiel Kissen aus dem Array:

from PIL import Image
from numpy import *

im = array(Image.open('image.jpg'))
Image.fromarray(im).show()

Die Python Imaging Library kann Bilder mithilfe von Numpy-Arrays anzeigen. Auf dieser Seite finden Sie Beispielcode:

• Konvertieren zwischen numerischen Arrays und PIL-Bildobjekten

BEARBEITEN: Wie der Hinweis unten auf dieser Seite besagt, sollten Sie die neuesten Versionshinweise überprüfen, die dies viel einfacher machen:

http://effbot.org/zone/pil-changes-116.htm

Ergänzung dazu mit matplotlib. Ich fand es praktisch, Computer Vision-Aufgaben zu erledigen. Angenommen, Sie haben Daten mit dtype = int32

from matplotlib import pyplot as plot
import numpy as np

fig = plot.figure()
ax = fig.add_subplot(1, 1, 1)
# make sure your data is in H W C, otherwise you can change it by
# data = data.transpose((_, _, _))
data = np.zeros((512,512,3), dtype=np.int32)
data[256,256] = [255,0,0]
ax.imshow(data.astype(np.uint8))