python - 使用 scikit-image 将 numpy 数组保存为高精度(16 位)图像

Question

我正在使用 2D 浮点 numpy 数组，我想将其保存为高精度(例如 16 位)的灰度 .png 文件。如果可能的话，我想使用 scikit-image skimage.io 包来做到这一点。

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 图像库重新加载:

# 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)

所以在某个地方(在写入或读取中)我失去了精度。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

给我一​​个 32 位 float :

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

但我怀疑这真的是 32 位的，因为我在文件中保存了一个 16 位的 uint。如果有人能指出我哪里出错了，那就太好了。我也希望它能扩展到 3D 阵列(即每个颜色 channel 节省 16 位，每个图像节省 48 位)。

更新:

问题出在 imsave 上。图像是每 channel 8 位。如何使用 io.imsave 输出高位深度图像？

Answer 1

您想使用 freeimage 库来这样做:

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，你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，读取的图像是翻转的，所以像 np.fliplr(np.flipud(im2)) 之类的东西会把它变成原来的形状。