Question

我正在使用2D浮点numpy数组，我希望将其保存为具有高精度的灰度.png文件（例如16位）。我想尽可能使用scikit-image skimage.io包。

这是我尝试过的主要内容：

import numpy as np
from skimage import io, exposure, img_as_uint, img_as_float

im = np.array([[1., 2.], [3., 4.]], dtype='float64')
im = exposure.rescale_intensity(im, out_range='float')
im = img_as_uint(im)
im

产生

array([[    0, 21845],
       [43690, 65535]], dtype=uint16)

首先我尝试将其保存为图像，然后使用Python Imaging Library重新加载：

# try with pil:
io.use_plugin('pil')
io.imsave('test_16bit.png', im)
im2 = io.imread('test_16bit.png')
im2

产生

array([[  0,  85],
       [170, 255]], dtype=uint8)

所以某处（写入或读取）我失去了精确度。然后我尝试使用matplotlib插件：

# try with matplotlib:
io.use_plugin('matplotlib')
io.imsave('test_16bit.png', im)
im3 = io.imread('test_16bit.png')
im3

给了我一个32位浮点数：

array([[ 0.        ,  0.33333334],
       [ 0.66666669,  1.        ]], dtype=float32)

但我怀疑这是32位，因为我保存了16位uint到文件。如果有人能指出我出错的地方会很棒。我希望这也扩展到3D阵列（即每个颜色通道节省16位，每个图像48位）。

UPDATE：

问题在于imsave。图像是每通道8位。如何使用io.imsave输出高位深度图像？

Answer 1

您想使用freeimage库来执行此操作：

import numpy as np
from skimage import io, exposure, img_as_uint, img_as_float

io.use_plugin('freeimage')

im = np.array([[1., 2.], [3., 4.]], dtype='float64')
im = exposure.rescale_intensity(im, out_range='float')
im = img_as_uint(im)

io.imsave('test_16bit.png', im)
im2 = io.imread('test_16bit.png')

结果：

[[    0 21845]
 [43690 65535]]

对于3D数组，您需要正确构造数组然后它才能工作：

# im = np.array([[1, 2.], [3., 4.]], dtype='float64')
im = np.linspace(0, 1., 300).reshape(10, 10, 3)
im = exposure.rescale_intensity(im, out_range='float')
im = img_as_uint(im)

io.imsave('test_16bit.png', im)
im2 = io.imread('test_16bit.png')

请注意，读取的图像会被翻转，因此np.fliplr(np.flipud(im2))之类的内容会将其转换为原始形状。

使用scikit-image将numpy数组保存为具有高精度（16位）的图像

UPDATE：

1 个答案: