Question

我在一个简单的脚本中使用numpy和Pillow来应用图像过滤器。在实现图像和内核的卷积之后，出现了一些错误，并且我能够将其减少到相当棘手的情况。

import numpy as np
from PIL import Image


def image_to_array(image_path : str) -> np.array:
    image = Image.open(image_path)
    array = np.array(image)
    array.reshape(-1, array.shape[2])
    return array


def dont_filter_anything(matrix : np.ndarray, kernel : np.ndarray):
    matrix_out = np.zeros(matrix.shape)
    for (row_num, cell_num, channel_num), element in np.ndenumerate(matrix):
        matrix_out[row_num][cell_num][channel_num] = element
    return matrix_out


IDENTITY_FILTER = np.array([[0, 0, 0], [0, 1, 0], [0, 0, 0]])

第二个函数只是复制而不是产生卷积的结果。鉴于这些定义，我执行以下操作：

image1 = image_to_array('1.bmp')
image2 = dont_filter_anything(image1 , IDENTITY_FILTER)
assert np.all(image1 == image2)
Image.fromarray(image2 , mode='RGB').save('2.bmp')
Image.fromarray(image1 , mode='RGB').save('3.bmp')

Assertion说两个数组相等，但这里是图片：

1.bmp和3.bmp：http://i.stack.imgur.com/EwwyY.png

2.bmp：http://i.stack.imgur.com/kz7pB.png

这里可能出现什么问题？

Answer 1

错误的原因可能是数据类型和索引。

首先，数据类型：
```
matrix_out = np.zeros(matrix.shape)
```
创建一个float数组，你应该用：
替换它
```
matrix_out = np.zeros_like(matrix)
```
或
```
matrix_out = np.zeros(matrix.shape, dtype=matrix.dtype)
```
确保in矩阵和out矩阵具有相同的数据类型。默认情况下，np.zeros会创建一个浮点数组。

其次，建立索引：

matrix_out[row_num][cell_num][channel_num] = element

应替换为适当的（更快）numpy indexing方法：

 matrix_out[row_num, cell_num, channel_num] = element

这样，该函数将重新编译为：

def dont_filter_anything(matrix, kernel):
    matrix_out = np.zeros_like(matrix)
    for (row_num, cell_num, channel_num), element in np.ndenumerate(matrix):
        matrix_out[row_num, cell_num, channel_num] = element
    return matrix_out

现在PIL正确保存图像2.bmp。

相等的numpy数组通过Pillow生成不同的图像

1 个答案: