Scikit图像负载二进制图像并转换为二进制矩阵

Question

我创建了一个Numpy阵列形状（11 x 11），所有像素0不包括一个填充1的一列。

[[ 0 0 0 0 0 1 0 0 0 0 0 ]
[ 0 0 0 0 0 1 0 0 0 0 0 ]
[ 0 0 0 0 0 1 0 0 0 0 0 ]
[ 0 0 0 0 0 1 0 0 0 0 0 ]
[ 0 0 0 0 0 1 0 0 0 0 0 ]
[ 0 0 0 0 0 1 0 0 0 0 0 ]
[ 0 0 0 0 0 1 0 0 0 0 0 ]
[ 0 0 0 0 0 1 0 0 0 0 0 ]
[ 0 0 0 0 0 1 0 0 0 0 0 ]
[ 0 0 0 0 0 1 0 0 0 0 0 ]
[ 0 0 0 0 0 1 0 0 0 0 0 ]]

使用matplotlib.imsave将阵列保存为PNG图像，得出预期的图像 - 中间有白色线的黑色背景。

试图重新登录保存的PNG图像 skipy.imread and pil.image.open产生形式的数组，

[[[ 68   1  84 255]
  [ 68   1  84 255]
  [ 68   1  84 255]
  [ 68   1  84 255]
  [ 68   1  84 255]
  [253 231  36 255]
  [ 68   1  84 255]
  [ 68   1  84 255]
  [ 68   1  84 255]
  [ 68   1  84 255]
  [ 68   1  84 255]]
...
]

此文件格式是什么意思（无法在Scikit Image文档中找到说明）？

以及如何将其转换回二进制输入图像？

Answer 1

您看到的是这样解释的：

• 您的数据是灰度
• ，然后您绘制 colormap
  - 线看起来是黄色的，背景看起来深蓝色/紫色？
• 然后，您告诉Matplotlib保存该错误的颜色图片
• 您会读取该误报图片
• ，然后您现在有了RGBA像素数据， 。您会看到第一个像素行，并且每个颜色像素的每个值，

如果您想保持数据的灰度外观，您将有一些选择。

使用plt.imshow（arr，cmap =“灰色”），它使用灰色映射而不是彩色映射。

阅读图像并将任何颜色转换为灰度时，您可以选择Scikit-image或OpenCV。 OPENCV具有cv.imread（fname，cv.imread_grayscale）。 scikit-image提供skimage.io.imread（fname，as_gray = true）。

实际上，您应该首先使用Scikit-image或OpenCV来编写图片。 Matplotlib用于绘图，而不是为了真实地存储数据。 Matplotlib获取了您的数据并重新缩放了数据，因此最大值和最小值变为0和1，对于灰色>灰色 cmap是黑色和白色。

Answer 2

在灰度上，一个具有值1的像素不会出现白色 - 这简而言之是因为Matplotlib在显示图像之前将图像归一化。

选择要么：
a）保持原始二进制值，然后保存的图像在中间没有白线
b）中间有一条白色线，但是然后您必须在保存和加载后修改数组。

AD B）

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

# This is the array you have
arr = np.zeros((11, 11), dtype=np.uint8)
arr[:, 5] = 1

plt.figure()
plt.imshow(arr, cmap='gray')
plt.show()


# This will ensure that the line appears white in the .png
arr_png = arr * 255  # 2**8 - 1

# Write to disk
cv.imwrite('line.png', arr_png)

# Load from disk
arr_from_disk = np.array(cv.imread('line.png', 0), dtype=np.uint8)

# Rescale
arr_from_disk = np.divide(arr_from_disk, 255)

assert np.array_equal(arr, arr_from_disk), 'Oops'