PIL批量对图片进行转换（RGB-->Gray）

最新推荐文章于 2025-03-08 19:55:56 发布
原创 最新推荐文章于 2025-03-08 19:55:56 发布 · 8.7k 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

Image模块中主要有八种模式，分别为1，L，P，RGB，RGBA，CMYK，YCbCr，I，

以往很多博客都是对一张图片做转换，本文简单的读取文件夹中的图片，做颜色通道的转换，可以改改做其他的尝试。

from os.path import splitext
import glob
from PIL import Image
 
def get_file(filename):
    files = glob.glob(filename)
    return files
 
def convert_file(files, type):
    for jpg in files:
        im = Image.open(jpg)
        im = im.convert('L')
        pg = splitext(jpg)[0]+"." + type
        im.save(pg)
 

if __name__ == "__main__":
    filename = "/Users/***/2/*.[j][p][g]"
    files = get_file(filename)
    convert_file(files, "jpg")




RGB转化为Gray图像 用于深度学习训练 PIL
DRACOYU的博客
05-27 3068
因为实验需要，将RGB图像转化为Gray图像，采用扩充到三通道。 import numpy as np from PIL import Image import pdb import os import cv2 fix_image_width = 144 fix_image_height = 288 img_path = 'test.jpg' img = Image.open(img_path) # img = img.resize((144, 288), Image.ANTIALIAS)
色彩空间转换RGB之PIL和OpenCV的区别
weixin_58368645的博客
03-21 1218
PIL中convert()包含九种不同模式（二值图“1”，灰度图“L”，P，RGB，RGBA，CMYK，YCbCr，I，F）。PNG格式的图片支持透明度设置，用PS处理图像保存为PNG格式有时候会带有alpha通道，查看图片的属性会显示32位（R8、G8、B8、alpha8），可能是LA或者RGBA。shape对矩阵进行处理，所以产生结果也不相同。下图是读取这张32位图像的矩阵结果。因为CV2读取图像返回的是数组，所以直接用print(rgba.shp)读取数组的维数。
使用Python和PIL将RGB转换为三通道灰度图
zxs0222的博客
03-22 1261
将彩色图像转换为多通道的灰度图意味着保持图像数据的形状不变，但将每个像素的彩色表示转换为灰度值。通常灰度图像是单通道的，但如果想保持原图的三通道结构，可以用相同的灰度值填充每个通道。彩色图像通常以RGB（红、绿、蓝）格式存储，而将RGB转换为灰度值的一个常见方法是使用线性加权方法，这种方法考虑人眼对不同颜色的敏感度。灰度 = 0.2989 * R + 0.5870 * G + 0.1140 * B。使用这个公式，然后将计算出的灰度值复制到三个通道，以保持图像的多通道结构。
通过PIL的RGB图片转灰度图
allegory123的博客
02-25 2536
话不多说，上代码 from PIL import Image I = Image.open(‘D:/毕设/tupian/chepai.jpg’) I.show() L = I.convert(‘L’) L.show() L.save(‘D:/毕设/tupian/chepai1.jpg’)
利用PIL将图像处理为黑白和灰色图片
feiyang5260的博客
06-25 6703
原图为test.jpg： 1.将图片转为黑白 如下代码，即转为"1"模式，为二值图像，即：非黑即白。它每个像素用8个bit表示，0表示黑，255表示白（除了这两个值外再没有别的值） # 变黑白 from PIL import Image image_raw = Image.open("test.jpg") # open colour image image_black_white =...
出现问题error Traceback (most recent call last) Cell In[7], line 24 22 descriptors_list = [] 23 for path in image_paths: ---> 24 img = preprocess_image(path) 25 desc = extract_features(img, method='SIFT') 26 descriptors_list.append(desc) Cell In[2], line 10 8 img = cv2.imread(img_path) 9 # 灰度化（减少计算量） ---> 10 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 11 # 直方图均衡化（增强对比度） 12 equalized = cv2.equalizeHist(gray) error: OpenCV(4.11.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\src\color.cpp:199: error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor'
06-17
<think>我们遇到了在调用cv2.cvtColor时出现的OpenCV错误：`error:(-215:Assertionfailed)!_src.empty()infunction'cvtColor'`。这个错误通常表示输入的图像是空的（即没有正确读取）。我们需要在预处理函数中添加...
使用Python批量转换彩色图片到灰度图片
weixin_49030835的博客
03-14 2961
当涉及到图像处理和计算机视觉时，有时需要将彩色图片转换为灰度图片，一张一张使用PS等工具转换十分复杂且没有必要。今天介绍的这种方法用到了Pillow库。使用Pillow库来打开，加载并转换彩色图像，并将图像储存在另一个文件夹里。
利用python批量将RGB图片转换成灰度图片
qq_40395084的博客
11-28 984
利用python批量将RGB图片转换成灰度图片前言一、代码实现二、RGB-Gray结果如下总结 前言 这里利用python批量处理了RGB图片转换成灰度图片，主要依靠cv2.cvtColor库函数。 如果想用python批量调整图片的大小请看此文章，实测有用 一、代码实现 请根据需要自行更改文件地址即可。 import os.path import glob import cv2 import cupy from PIL import Image def convertpng(pngfile,outd
[.py]用PIL库将图片转换成字符画
大红苹果甜的博客
02-08 1426
图片是由不同颜色的像素点构成的，我们可以用不同的字符代表不同的颜色，这样就用字符串形成了样式上相似的图画。以前百度贴吧还很火的时候经常有人用一大堆字符占楼，粗略的看上去就能看出这一堆字符似乎组成了一个图象，比如：有这样一张图 把它转换成字符画大概可以是： 只要字体是等宽的，最后的显示结果都可以把原图像中的形状轮廓和颜色明暗表示出来，就如windows徽标上高光的部分在字符画上也显示的比较白，颜色
PIL gray img /灰度图 转OpenCV格式灰度图
Hero_Never_GIVE_UP的博客
11-15 2012
PIL转OpenCV 图像，灰度图，gray image
Python中使用PIL快速实现灰度图
BADAO_LIUMANG_QIZHI的博客
12-26 5224
效果 原图 效果图 实现 新建文件夹grayImage，在此文件夹下新建gray.py from PIL import Image img=Image.open('1111.jpg') img=img.convert('L') img.save('灰度图.jpg') 其中1111.jpg是原图，将其放在同目录下。 运行即可。 源码以及资源下载 https://downl...
python PIL 图像处理
sinat_16423171的博客
06-17 2627
python PIL 图像处理
关于如何使用Python将批次彩色图片转换为灰度图片-详解
qq_37977007的博客
07-07 2691
本文章主要详细讲解将彩色图片转换为灰度图片，从单个图片转换到批次图片的转换。
python中PIL模块的一些基础的图像处理
rong11417的博客
05-31 607
# -*- coding: UTF-8 -*- from PIL import Image #打开图片 img = Image.open('images/cute.jpeg') #生成缩略图 img.thumbnail((128,128)) #另存为图片 img.save('images/cute_tmp.png') #显示图片 img.show() #输出图片格式，尺寸及图像类型 prin...
标题：Python实现灰度图的转换与处理
zoxjihwoxuxg的博客
10-16 1295
图像处理是计算机视觉领域的一个重要研究方向，而灰度图是图像处理中最基本的概念之一。灰度图是指将彩色图像转换为黑白图像的过程，即将彩色图像中的每个像素点的RGB值转换为一个灰度值。在Python中，我们可以使用PIL（Python Imaging Library）库来实现灰度图的转换与处理。本文主要介绍了如何使用Python对图像进行灰度化处理，包括读取图像、转换为灰度图、保存灰度图等操作。通过本文的学习，读者可以掌握Python处理图像的基本技巧。
【Tips】将rgb图形转换为gray灰度图
weixin_59422604的博客
03-08 545
Pillow是 Python 中常用的图像处理库，它提供了丰富的图像操作功能。OpenCV是一个强大的计算机视觉库，广泛用于图像处理和计算机视觉任务。
Python对图像进行灰度处理
sunny
08-18 2412
在Python中，我们可以使用PIL（Python Imaging Library）库中的Image模块对图像进行灰度处理。灰度处理是将彩色图像转换为灰度图像的过程，即每个像素的颜色由红、绿、蓝三个通道的值组成，转换为一个单一的灰度值。- 在进行灰度处理时，可以选择不同的转换模式，例如："L"表示灰度模式，"RGB"表示彩色模式。- 在保存灰度图像时，可以选择不同的文件格式，例如："JPEG"、"PNG"等。- 在使用Image.open()函数打开图像文件时，确保文件路径正确，否则会抛出异常。
Python将彩色图像转为灰度图像
热门推荐
振华OPPO的博客世界
12-23 1万+
Python的cv2库中自带彩色转灰度的方法，而且非常简单，代码就9行，核心代码就1行。 大题思路就是先读取一张彩色图片，然后在窗口中显示出来，再然后就让cv2处理一下，转换成灰度图像，这时候它是个二维的灰度矩阵，所以，我们想保存得先将它从array转成image，最后在另一个窗口中显示出来，为了避免窗口一闪而过，我们需要加上waitKey(0)这一句。 import cv2 from PIL import Image #读取彩色图像 color_img = cv2.imread(r'dataset3/
图片格式pytorch中PIL.Image和cv2互相转换
最新发布
12-14
<think>我们讨论的是在PyTorch中如何实现PIL.Image和OpenCV(cv2)图像格式的相互转换。虽然PyTorch主要处理张量，但在数据预处理阶段，我们经常需要在这两种常见的图像表示之间转换。以下是详细的转换方法： ### 1. PIL.Image 转 OpenCV (cv2) 格式 **步骤**： 1. 将PIL.Image转换为NumPy数组（注意：PIL图像是RGB格式，而OpenCV默认使用BGR格式） 2. 转换颜色空间：RGB → BGR 3. 可选：如果图像有透明度通道（RGBA），需要额外处理 **代码示例**： ```python import cv2 from PIL import Image import numpy as np # 读取PIL图像 pil_image = Image.open("image.jpg") # RGB格式 # 转换为NumPy数组 np_image = np.array(pil_image) # 此时是RGB格式 # 转换通道顺序：RGB → BGR cv2_image = cv2.cvtColor(np_image, cv2.COLOR_RGB2BGR) # 现在cv2_image可以被OpenCV函数处理 cv2.imshow("OpenCV Window", cv2_image) cv2.waitKey(0) ``` ### 2. OpenCV (cv2) 格式转 PIL.Image **步骤**： 1. 转换OpenCV图像的通道顺序：BGR → RGB 2. 将NumPy数组转换为PIL.Image **代码示例**： ```python import cv2 from PIL import Image import numpy as np # 读取OpenCV图像 (BGR格式) cv2_image = cv2.imread("image.jpg") # BGR格式 # 转换通道顺序：BGR → RGB rgb_image = cv2.cvtColor(cv2_image, cv2.COLOR_BGR2RGB) # 转换为PIL.Image pil_image = Image.fromarray(rgb_image) # 现在可以使用PIL处理图像 pil_image.show() ``` ### 3. 注意事项 - **通道顺序**：这是转换中最关键的差异，PIL使用RGB，OpenCV使用BGR。 - **数据类型**：PIL图像转换为NumPy数组后，数据类型通常是`uint8`（0-255）。OpenCV同样使用`uint8`。 - **透明度处理**：如果图像有alpha通道（RGBA），在转换时需要使用`COLOR_RGBA2BGRA`或`COLOR_BGRA2RGBA`等。 - **灰度图像**：对于单通道图像（灰度图），无需转换通道顺序，但要注意维度： ```python # 灰度PIL转OpenCV pil_gray = Image.open("gray.jpg").convert('L') cv2_gray = np.array(pil_gray) # 直接转换，无需颜色空间转换 # 灰度OpenCV转PIL cv2_gray = cv2.imread("gray.jpg", cv2.IMREAD_GRAYSCALE) pil_gray = Image.fromarray(cv2_gray) ``` ### 4. 在PyTorch数据管道中的整合 在PyTorch的`Dataset`中，可以这样使用： ```python from torch.utils.data import Dataset import cv2 from PIL import Image class MyDataset(Dataset): def __init__(self, file_list, transform=None): self.file_list = file_list self.transform = transform def __getitem__(self, index): img_path = self.file_list[index] # 使用OpenCV读取 cv2_img = cv2.imread(img_path) # 转换为RGB rgb_img = cv2.cvtColor(cv2_img, cv2.COLOR_BGR2RGB) # 或者使用PIL读取（二选一） # pil_img = Image.open(img_path).convert('RGB') # 应用transform（通常包含ToTensor和Normalize） if self.transform: # 注意：如果上面用的是OpenCV读取，这里传入的是rgb_img（numpy数组），而transform通常设计为处理PIL图像 # 因此，如果transform包含ToTensor，则可以直接传入numpy数组（因为ToTensor也接受numpy数组） transformed = self.transform(rgb_img) return transformed # 定义transform（假设使用OpenCV读取，然后转换） transform = transforms.Compose([ transforms.ToPILImage(), # 将numpy数组或张量转换为PIL图像（如果是numpy数组，则要求格式为HWC，uint8） transforms.Resize((256, 256)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) ``` **注意**：在transform中，如果第一个操作是`ToPILImage()`，那么传入的应该是numpy数组（HWC格式，uint8）。如果跳过`ToPILImage()`，则可以使用`transforms.ToTensor()`直接处理numpy数组（它会自动将HWC转为CHW，并将值缩放到[0,1]）。因此，上面的transform也可以改为： ```python transform = transforms.Compose([ transforms.ToTensor(), # 直接处理numpy数组（要求HWC，uint8），输出CHW，[0,1] transforms.Resize((256, 256)), # 注意：ToTensor之后，图像变为张量，Resize操作需要能处理张量（新版本PyTorch的Resize支持CHW张量） transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) ``` ### 5. 常见问题解决 - **颜色失真**：如果转换后颜色异常，请检查通道顺序转换是否正确（BGR ↔ RGB）[^2]。 - **值域错误**：如果转换过程中遇到值域错误（如之前的问题），请检查图像数据是否在预期范围内（如uint8为0-255，float为0-1或-1到1等）。 ### 总结转换关系 ```mermaid graph LR A[PIL.Image] -->|numpy.array| B[NumPy Array<br>RGB] B -->|Image.fromarray| A C[OpenCV Image<br>BGR] -->|cv2.cvtColor<br>COLOR_BGR2RGB| B B -->|cv2.cvtColor<br>COLOR_RGB2BGR| C ``` §§相关问题§§ 1. 如何解决OpenCV读取图像后颜色异常的问题？ 2. 在PyTorch中如何正确处理带有透明通道的图像？ 3. 如何将PyTorch张量转换为PIL.Image或OpenCV格式？ </think> ### PyTorch 中 PIL.Image 与 OpenCV (cv2) 图片格式互相转换指南 #### 一、核心转换原理 1. **数据结构差异**： - `PIL.Image`：RGB 通道顺序 (H×W×C) - `OpenCV (cv2)`：BGR 通道顺序 (H×W×C) - 转换关键：**通道顺序调整** 和 **数据类型转换** 2. **转换流程图**： ```mermaid graph LR A[PIL.Image<br>RGB格式] -->|1.转NumPy数组| B[NumPy数组<br>RGB格式] B -->|2.通道交换| C[NumPy数组<br>BGR格式] C --> D[cv2图像对象] D -->|1.通道交换| B B -->|2.转PIL.Image| A ``` #### 二、具体转换方法 ##### 1. PIL.Image → OpenCV (cv2) ```python from PIL import Image import cv2 import numpy as np # 读取PIL图像 pil_img = Image.open("input.jpg") # RGB格式 # 转换步骤： # 1. PIL转NumPy数组 (自动转换为RGB顺序) np_img = np.array(pil_img) # 得到H×W×C的RGB数组 # 2. 转换通道顺序: RGB → BGR cv2_img = cv2.cvtColor(np_img, cv2.COLOR_RGB2BGR) # 关键步骤[^2] # 3. 使用OpenCV处理 cv2.imwrite("output_cv2.jpg", cv2_img) ``` ##### 2. OpenCV (cv2) → PIL.Image ```python import cv2 from PIL import Image import numpy as np # 读取OpenCV图像 cv2_img = cv2.imread("input.jpg") # BGR格式 # 转换步骤： # 1. 转换通道顺序: BGR → RGB rgb_img = cv2.cvtColor(cv2_img, cv2.COLOR_BGR2RGB) # 关键步骤[^1] # 2. NumPy数组转PIL.Image pil_img = Image.fromarray(rgb_img) # 得到PIL对象 # 3. 使用PIL处理 pil_img.save("output_pil.jpg") ``` #### 三、特殊场景处理 1. **灰度图像转换**： ```python # PIL转OpenCV灰度图 pil_gray = pil_img.convert('L') cv2_gray = np.array(pil_gray) # 无需通道转换 # OpenCV转PIL灰度图 cv2_gray = cv2.imread("gray.jpg", cv2.IMREAD_GRAYSCALE) pil_gray = Image.fromarray(cv2_gray) ``` 2. **带Alpha通道的图像**： ```python # RGBA转BGRA rgba_array = np.array(pil_img_rgba) bgra_array = cv2.cvtColor(rgba_array, cv2.COLOR_RGBA2BGRA) # BGRA转RGBA bgra_array = cv2.imread("input.png", cv2.IMREAD_UNCHANGED) rgba_array = cv2.cvtColor(bgra_array, cv2.COLOR_BGRA2RGBA) ``` #### 四、PyTorch 数据管道集成 ```python import torchvision.transforms as T from torch.utils.data import Dataset class CustomDataset(Dataset): def __init__(self, image_paths): self.paths = image_paths self.cv2_to_pil = T.Compose([ T.ToPILImage() # 自动处理BGR→RGB转换 ]) self.transform = T.Compose([ T.Resize(256), T.ToTensor(), T.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) def __getitem__(self, idx): # 用OpenCV读取 cv2_img = cv2.imread(self.paths[idx]) # 转换为PIL格式 (自动BGR→RGB) pil_img = self.cv2_to_pil(cv2_img) # 应用变换 return self.transform(pil_img) ``` #### 五、常见问题解决 1. **颜色失真问题**： - 现象：转换后图像颜色异常 - 原因：未正确处理 RGB/BGR 转换 - 方案：必须使用 `cv2.cvtColor` 显式转换 2. **值域范围错误**： ```python # 确保值域在0-255 (uint8) cv2_img = np.clip(cv2_img, 0, 255).astype(np.uint8) pil_img = pil_img.convert('RGB') # 确保无alpha通道 ``` #### 六、性能优化建议 1. **批量转换加速**： ```python # 使用OpenCV批量处理 bgr_batch = np.stack([cv2.cvtColor(np.array(pil), cv2.COLOR_RGB2BGR) for pil in pil_images]) ``` 2. **内存优化**： ```python # 避免中间副本 cv2_img = np.asarray(pil_img)[..., ::-1].copy() # RGB→BGR ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值