如何使用 Python 將影像轉換為 NumPy 陣列並儲存到 CSV 檔案?


Python 是一種功能強大的程式語言,擁有大量庫和模組。其中一個庫是 NumPy,用於數值計算和處理大型多維陣列和矩陣。另一個用於 Python 影像處理的流行庫是 Pillow,它是 Python 影像庫 (PIL) 的分支。

在本教程中,我們將向您展示如何使用 Python 將影像轉換為 NumPy 陣列並儲存到 CSV 檔案。我們將使用 Pillow 庫開啟影像並將其轉換為 NumPy 陣列,並使用 CSV 模組將 NumPy 陣列儲存到 CSV 檔案。在本文的下一節中,我們將介紹使用 Pillow 庫將影像轉換為 NumPy 陣列所需的步驟。所以,讓我們開始吧!

如何使用 Python 將影像轉換為 NumPy 陣列並儲存到 CSV 檔案?

在深入探討將影像轉換為 NumPy 陣列並將其儲存到 CSV 檔案的過程中之前,讓我們首先了解在本教程中將要使用的兩個庫:Pillow 和 NumPy。

Pillow 是一個 Python 影像庫 (PIL),它增加了對開啟、操作和儲存許多不同影像檔案格式的支援。

NumPy 是 Python 中科學計算的基本庫。它為大型多維陣列和矩陣提供了支援,以及一系列用於對其進行操作的數學函式。

要使用這些庫,我們首先需要在我們的系統上安裝它們。我們可以使用 pip(Python 包安裝程式)來完成此操作。

以下是安裝 Pillow 的方法

pip install Pillow

以下是安裝 NumPy 的方法

pip install numpy

現在我們已經安裝了必要的庫,讓我們繼續本文的下一節,將影像轉換為 NumPy 陣列。

將影像轉換為 NumPy 陣列

請考慮以下將影像轉換為 Numpy 陣列的程式碼

# Import necessary libraries
import csv
from PIL import Image
import numpy as np

# Open image using Pillow library
img = Image.open('image.jpg')

# Convert image to NumPy array
np_array = np.array(img)

# Save NumPy array to CSV file
np.savetxt('output.csv', np_array, delimiter=',', fmt='%d')

# Print the shape of the NumPy array
print("Shape of NumPy array:", np_array.shape)

在上面的程式碼中,我們首先匯入了必要的庫 csv、PIL 和 numpy。CSV 庫用於讀取和寫入 CSV 檔案,而 PIL 庫用於開啟和操作影像。NumPy 庫用於將影像轉換為 NumPy 陣列。

然後,我們使用 PIL 庫中的 Image.open() 方法開啟名為 image.jpg 的影像檔案。該方法返回一個 Image 物件。

之後,使用 NumPy 庫中的 np.array() 方法將影像物件轉換為 NumPy 陣列。生成的陣列包含影像的畫素值。最後,我們使用 NumPy 庫中的 np.savetxt() 方法將 NumPy 陣列儲存到名為 output.csv 的 CSV 檔案中。我們將分隔符指定為“,”並將格式指定為 %d,以確保 CSV 檔案中的值以逗號分隔且為整數。

最後,我們使用 shape 屬性列印了 NumPy 陣列的形狀。NumPy 陣列的形狀表示陣列的維度,在本例中為高度、寬度和顏色通道數(如果適用)。

上述程式碼的輸出將在與指令碼相同的目錄中建立一個名為 output.csv 的新檔案,其中包含 CSV 格式的影像畫素值,終端將顯示類似以下內容

Shape of NumPy array: (505, 600, 3)

這裡,NumPy 陣列的形狀為 (505, 600, 3),這意味著影像的高度和寬度均為 100 畫素,每個畫素有三個顏色通道 (RGB)。

需要注意的是,NumPy 陣列的形狀取決於輸入影像的維度。如果影像是彩色影像,則陣列的形狀將為 (高度、寬度、顏色通道數);如果影像是灰度影像,則陣列的形狀將為 (高度、寬度)。

結論

在本文中,我們學習瞭如何使用 Python 將影像轉換為 NumPy 陣列並儲存到 CSV 檔案。我們使用 Pillow 庫開啟影像並將其轉換為 NumPy 陣列,並使用 CSV 模組將 NumPy 陣列儲存到 CSV 檔案。我們還介紹了安裝必要庫的步驟,併為每種方法提供了示例程式碼。需要注意的是,NumPy 陣列的形狀取決於輸入影像的維度,彩色影像和灰度影像的陣列形狀將不同。透過使用此技術,我們可以輕鬆地使用強大的 NumPy 庫來操作和處理影像。

更新於: 2023-07-21

659 次檢視

開啟你的 職業生涯

透過完成課程獲得認證

開始學習
廣告