浅谈python下tiff图像的读取和保存方法
对比测试scipy.misc和PIL.Image和libtiff.TIFF三个库
输入:
1.(读取矩阵)读入uint8、uint16、float32的lena.tif
2.(生成矩阵)使用numpy产生随机矩阵,float64的mat
importnumpyasnp fromscipyimportmisc fromPILimportImage fromlibtiffimportTIFF # #读入已有图像,数据类型和原图像一致 tif32=misc.imread('.\test\lena32.tif')#tif16=misc.imread('.\test\lena16.tif')# tif8=misc.imread('.\test\lena8.tif')# #产生随机矩阵,数据类型float64 np.random.seed(12345) flt=np.random.randn(512,512)# #转换float64矩阵type,为后面作测试 z8=(flt.astype(np.uint8))# z16=(flt.astype(np.uint16))# z32=(flt.astype(np.float32))#
①对读取图像和随机矩阵的存储
#scipy.misc『不论输入数据是何类型,输出图像均为uint8』 misc.imsave('.\test\lena32_scipy.tif',tif32)#-->8bit(tif16和tif8同) misc.imsave('.\test\\randmat64_scipy.tif',flt)#-->8bit misc.imsave('.\test\\randmat8_scipy.tif',z8)#-->8bit(z16和z32同) #PIL.Image『8位16位输出图像与输入数据类型保持一致,64位会存成32位』 Image.fromarray(tif32).save('.\test\lena32_Image.tif')#-->32bit Image.fromarray(tif16).save('.\test\lena16_Image.tif')#-->16bit Image.fromarray(tif8).save('.\test\lena8_Image.tif')#-->8bit Image.fromarray(flt).save('.\test\\randmat_Image.tif')#-->32bit(flt.min~flt.max) im=Image.fromarray(flt.astype(np.float32)) im.save('.\test\\randmat32_Image.tif')#-->32bit(灰度值范围同上) #『uint8和uint16类型转换,会使输出图像灰度变换到255和65535』 im=Image.frombytes('I;16',(512,512),flt.tostring()) im.save('.\test\\randmat16_Image1.tif')#-->16bit(0~65535) im=Image.fromarray(flt.astype(np.uint16)) im.save('.\test\\randmat16_Image2.tif')#-->16bit(0~65535) im=Image.fromarray(flt.astype(np.uint8)) im.save('.\test\\randmat8_Image.tif')#-->8bit(0~255) #libtiff.TIFF『输出图像与输入数据类型保持一致』 tif=TIFF.open('.\test\\randmat_TIFF.tif',mode='w') tif.write_image(flt,compression=None) tif.close()#float64可以存储,但因BitsPerSample=64,一些图像软件不识别 tif=TIFF.open('.\test\\randmat32_TIFF.tif',mode='w') tif.write_image(flt.astype(np.float32),compression=None) tif.close()#-->32bit(flt.min~flt.max) #『uint8和uint16类型转换,会使输出图像灰度变换到255和65535』 tif=TIFF.open('.\test\\randmat16_TIFF.tif',mode='w') tif.write_image(flt.astype(np.uint16),compression=None) tif.close()#-->16bit(0~65535,8位则0~255)
②图像或矩阵归一化对存储的影响
#『使用scipy,只能存成uint8』 z16Norm=(z16-np.min(z16))/(np.max(z16)-np.min(z16))#z32Norm=(z32-np.min(z32))/(np.max(z32)-np.min(z32)) scipy.misc.imsave('.\test\\randmat16_norm_scipy.tif',z16Norm)#-->8bit(0~255) #『使用Image,归一化后变成np.float64直接转8bit或16bit都会超出阈值,要*255或*65535』 #『如果没有astype的位数设置,float64会直接存成32bit』 im=Image.fromarray(z16Norm) im.save('.\test\\randmat16_norm_Image.tif')#-->32bit(0~1) im=Image.fromarray(z16Norm.astype(np.float32)) im.save('.\test\\randmat16_norm_to32_Image.tif')#-->32bit(灰度范围值同上) im=Image.fromarray(z16Norm.astype(np.uint16)) im.save('.\test\\randmat16_norm_to16_Image.tif')#-->16bit(0~1)超出阈值 im=Image.fromarray(z16Norm.astype(np.uint8)) im.save('.\test\\randmat16_norm_to8_Image.tif')#-->8bit(0~1)超出阈值 im=Image.fromarray((z16Norm*65535).astype(np.uint16)) im.save('.\test\\randmat16_norm_to16_Image1.tif')#-->16bit(0~65535) im=Image.fromarray((z16Norm*255).astype(np.uint16)) im.save('.\test\\randmat16_norm_to16_Image2.tif')#-->16bit(0~255) im=Image.fromarray((z16Norm*255).astype(np.uint8)) im.save('.\test\\randmat16_norm_to8_Image2.tif')#-->8bit(0~255) #『使用TIFF结果同Image』
③TIFF读取和存储多帧tiff图像
#tiff文件解析成图像序列:读取tiff图像 deftiff_to_read(tiff_image_name): tif=TIFF.open(tiff_image_name,mode="r") im_stack=list() foriminlist(tif.iter_images()): im_stack.append(im) return #根据文档,应该是这样实现,但测试中不管是tif.read_image还是tif.iter_images读入的矩阵数值都有问题 #图像序列保存成tiff文件:保存tiff图像 defwrite_to_tiff(tiff_image_name,im_array,image_num): tif=TIFF.open(tiff_image_name,mode='w') foriinrange(0,image_num): im=Image.fromarray(im_array[i]) #缩放成统一尺寸 im=im.resize((480,480),Image.ANTIALIAS) tif.write_image(im,compression=None) out_tiff.close() return
补充:libtiff读取多帧tiff图像
因为TIFF.open().read_image()和TIFF.open().iter_images()有问题,则换一种方式读
fromlibtiffimportTIFFfile tif=TIFFfile('.\test\lena32-3.tif') samples,_=tif.get_samples()
以上这篇浅谈python下tiff图像的读取和保存方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。