假设我将图片加载为：
> image = Image.open('temp.png')
<PngImagePlugin.PngImageFile image mode=RGBA size=1200x600 at 0x112F0C488>
请注意，图片尺寸为1200x600。
我想将此图像检索为2D numpy数组，其中每个条目都包含 32 位整数。
如果我这样做：
np.array(image).shape
我明白了：
(600,1200, 4)
如何将其转换为32位RGBA 2D numpy数组？
答案 0 :(得分：3)
你误解了NumPy索引图像的方式。 NumPy更喜欢图片row-major indexing的for the reasons described here（ y ， x ， c ）：
[列主要索引]的缺点是潜在的性能损失。通常在数组操作中隐式地访问数据，或者通过循环遍历图像的行来显式地访问数据。完成后，将以非最佳顺序访问数据。随着第一个索引递增，实际发生的是在内存中间隔很远的元素被顺序访问，内存访问速度通常很差。
如果您更喜欢使用列主索引（ x ， y ， c ）并且不介意潜在的性能损失，然后使用numpy.transpose来置换索引：
np.array(image).transpose((1, 0, 2))
但是NumPy文档建议您只是习惯它：
我们建议您在访问数组元素时学习反转索引的常规顺序。当然，它与谷物相悖，但它更符合Python语义和数据的自然顺序。
数组的第三个轴为每个像素提供4个颜色通道，这里是值（红色，绿色，蓝色， 阿尔法）。这对于大多数应用程序而言比单个32位数字更有用：例如，您可以通过编写image[...,3]来提取Alpha通道。
如果你真的想要32位颜色值，那么你可以使用ndarray.view method来获取具有不同dtype的相同图像数据的视图，然后使用numpy.reshape来删除最后一个轴（现在是多余的）：
a = np.array(image)
a.view(dtype=np.uint32).reshape(a.shape[:-1])