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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
import numpy as np
from scipy import misc
from pil import image
from libtiff import tiff
#
# 读入已有图像,数据类型和原图像一致
tif32 = misc.imread('.\test\lena32.tif') #<class 'numpy.float32'>
tif16 = misc.imread('.\test\lena16.tif') #<class 'numpy.uint16'>
tif8 = misc.imread('.\test\lena8.tif') #<class 'numpy.uint8'>
# 产生随机矩阵,数据类型float64
np.random.seed(12345)
flt = np.random.randn(512, 512) #<class 'numpy.float64'>
# 转换float64矩阵type,为后面作测试
z8 = (flt.astype(np.uint8)) #<class 'numpy.uint8'>
z16 = (flt.astype(np.uint16)) #<class 'numpy.uint16'>
z32 = (flt.astype(np.float32)) #<class 'numpy.float32'>
|
①对读取图像和随机矩阵的存储
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
# 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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
# 『使用scipy,只能存成uint8』
z16norm = (z16-np.min(z16))/(np.max(z16)-np.min(z16)) #<class 'numpy.float64'>
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
#tiff文件解析成图像序列：读取tiff图像
def tiff_to_read(tiff_image_name):
tif = tiff.open(tiff_image_name, mode = "r")
im_stack = list()
for im in list(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
def write_to_tiff(tiff_image_name, im_array, image_num):
tif = tiff.open(tiff_image_name, mode = 'w')
for i in range(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
|
1
2
3
|
from libtiff import tifffile
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服务器之家。
原文链接：https://blog.csdn.net/index20001/article/details/80242450