Python 读取 16通道tif并转为jpg png通用格式

原创 已于 2023-01-12 08:43:30 修改 · 993 阅读 · 5 ·
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。
文章标签：

#python

于 2023-01-11 20:04:48 首次发布
在尝试使用arcgis和opencv将16通道tif彩色图像转换为jpg或png格式时遇到问题，arcgis导出结果为黑色，opencv转换后图像变为灰色。然而，使用skimage库成功转换后，发现RGB通道顺序错误。通过cv2.cvtColor函数调整了RGB通道顺序。

我们想把16通道tif彩色图像转成 jpg、png通用格式

  1. arcgis 直接export 为其他格式后，导出都是黑色，不行

  1. python cv导出，是灰色图像，不行

  1. python skimage导出，可以

currentPath=r"S1Astacking_disp.tif"

img = io.imread(currentPath)

导出后，发现RGB通道错乱，利用 cv2.cvtColor进行转换

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

ly_ljs_521
关注
opencv-python将.tif格式的图像转为png格式
lwf1881的博客
12-10 6797
在做UNET的眼球血管分割的时候，眼球的图像使用的tif格式存储的，习惯了使用jpg或者png了，先转一下。直接用opencv读进来以后重写一下就可以。 # !/usr/bin/python3 # -*- coding:utf-8 -*- # Author:WeiFeng Liu # @Time: 2021/12/9 下午6:41 import cv2 import numpy as np import os def tif_to_png(image_path,save_path): """
python GF-2影像TIF转PNG格式，并进行批量裁剪。
qq_45629716的博客
08-23 926
裁剪完之后我在图片查看器看到全是黑的，但是不要担心这是对的， 在ENVI里打开，和原tiff一样的显示。其中bandlist为原tif中用于生成png的波段数组，如缺省该参数，则默认为[1, 2, 3]在arcgis中构建模型进行批量裁剪批量裁剪，可以参考这篇文章。png在ENVI显示。
python tif转png
热爱分享，热爱记录
04-01 587
【代码】python tif转png。
python tif转png_Python：读写TIFF 16位，三通道彩色图像
weixin_39849800的博客
12-09 869
Does anyone have a method for importing a 16 bit per channel, 3 channel TIFF image in Python?I have yet to find a method which will preserve the 16 bit depth per channel when dealing with the TIFF for...
Python tif转png/jpg
猫脸码客的博客
12-09 515
【代码】Python tif转png/jpg。
python实现将文件夹中的tif类型文件批量转为png格式，同时将png图片大小设置为28像素*28像素，并把结果分类存储
guoshihui123的博客
10-30 3064
python实现将文件夹中的tif类型文件批量转为png格式，同时将png图片大小设置为28像素*28像素，并把结果分类存储
读取TIFF图像并转为JPG/PNG图像的方法
zzjzzjzzj666666的博客
01-24 5429
深度学习 图像处理
利用python将16位图像转换为8位图像，支持批量
04-01
这个`uint16_to_uint8`函数会遍历输入目录中的所有.png和.tiff文件，将它们转换为8位JPEG格式并保存在输出目录中。注意，转换过程中我们假设了16位图像的色彩模式是"I;16"，这是PIL库中表示16位无符号整数图像的模式...
关于如何利用python的gdal包，将tif文件转png文件
m0_46410698的博客
05-31 903
2.写一个简单的例子，输入包含tif文件的一个文件夹，输出会包含png文件和xml文件保存到另一个文件夹。1.首先是安装gdal包，如果直接pip安装会报下面的错误。，就会出现下面的情况，表示安装成功。所以，要用conda安装，
Python将tiff转换成png
XerCis的博客
08-11 1854
结合Pillow和BytesIO
python 复制copy图像和转png格式
12-28
python 复制copy图像和转png格式, 利用python 复制copy图像和转png格式
python读取tif图片时保留其16bit的编码格式实例
12-23
tif图片的编码格式一般是16bit的，在使用python-opencv读取tif文件时，为了保留其编码格式，我们需要用以下的方式： import numpy as np import cv2 img = cv2.imread('demo.tif', -1) print(img.dtype) 输出结果为：uint16 对于opencv中imread函数最后的参数解释如下： 当参数>0时，opencv读取的是3通道的彩色图（灰度图也会被默认转化成彩色图），编码格式会转化成8bit 当参数=0时，opencv读取的是1通道灰度图，编码格式会转化成8bit 当参数<0时，opencv会按照原图的
Python读取图片为16进制表示简单代码
09-20
主要介绍了Python读取图片为16进制表示简单代码，具有一定借鉴价值,需要的朋友可以参考下
python TIF转PNG的两种方式
ChaoChao66666的博客
04-18 5776
python TIF转PNG的两种方式
Python实现TIFF 文件转换为 PNG 和 JPG 格式
m0_67947599的博客
07-06 2476
在日常的图像处理工作中，可能会遇到需要将 TIFF 格式的图像转换为其他格式的情况，例如 PNG 和 JPG。下面，本文将介绍如何使用 Python 和 GDAL 库实现这一功能。
python怎么将png转为tif_在Python中将tiff转换为jpeg
weixin_39698217的博客
12-19 666
Can anyone help me to read .tiff image and convert into jpeg format?from PIL import Imageim = Image.open('test.tiff')im.save('test.jpeg')The above code was not working.解决方案I have successfully solved t...
将tif文件转化为png文件 Python3
“365天深度学习训练营”报名进行中～
04-07 4592
🔗 运行环境：python3 🚩 作者：K同学啊 🥇 极品专栏：《深度学习100例》 🔥 精选专栏：《新手入门深度学习》 📚 推荐专栏：《Matplotlib教程》 🧿 优秀专栏：《Python入门100题》 from libtiff import TIFF import cv2 tif = TIFF.open('result.tif', mode='r') img = tif.read_image() cv2.imwrite('./target.png', img) ...
python将tif转为png或jpg等格式
Python_lyj的博客
12-26 518
将一系列的tif格式的图像放在一个文件夹下，然后通过python代码去读图并另存为png格式（jpg格式同理，将代码中的。希望以上代码可以帮助到大家！
python读取tif图片时保留其16bit的编码格式
weixin_43155243的博客
09-06 3560
python读取tif图片时保留其16bit的编码格式 tif图片的编码格式一般是16bit的，在使用python-opencv读取tif文件时，为了保留其编码格式，我们需要用以下的方式： import numpy as np import cv2 img = cv2.imread('demo.tif', -1) print(img.dtype) 输出结果为：uint16 对于opencv中i...
python读取tif文件数据并转换成能上传ai的文件形式
最新发布
07-17
<think>我们有一个任务：读取TIFF文件并将其转换为适合AI模型输入的格式。 步骤： 1. 读取TIFF文件：我们可以使用PIL（Pillow）库或OpenCV库来读取TIFF图像。 2. 处理图像：根据AI模型的要求，可能需要调整图像大小、归一化像素值、转换颜色空间等。 3. 转换为适合模型的格式：通常AI模型需要输入为NumPy数组或张量（如PyTorch的Tensor或TensorFlow的Tensor）。 我们将使用以下库： - Pillow（PIL）：用于读取图像。 - NumPy：用于将图像转换为数组。 如果还需要其他处理（如调整大小），我们也可以使用Pillow或OpenCV。 注意：有些TIFF文件可能是多页的（例如，包含多个图层的文档图像），但这里我们假设是单页的TIFF图像（普通图像）。如果是多页，我们需要决定如何处理每一页（例如，只取第一页或合并）。 步骤详解： 1. 安装必要的库（如果未安装）： ``` pip install pillow numpy ``` 2. 读取TIFF文件： ```python from PIL import Image # 打开TIFF文件 image = Image.open('input.tif') ``` 3. 如果图像是多页的，我们可以选择第一页： ```python # 如果图像是多页的，我们可以通过seek(0)选择第一页（索引0） try: image.seek(0) except EOFError: # 已经到达文件尾，但这里我们只是尝试定位到第一页，如果出错说明可能不是多页，则忽略 pass ``` 4. 转换为RGB：如果图像是其他模式（如CMYK），可能需要转换为RGB。 ```python if image.mode != 'RGB': image = image.convert('RGB') ``` 5. 调整大小（可选）：根据模型要求调整图像大小。 ```python # 假设目标大小为224x224 target_size = (224, 224) image = image.resize(target_size) ``` 6. 转换为NumPy数组： ```python import numpy as np image_array = np.array(image) ``` 7. 归一化（可选）：根据模型要求，可能需要将像素值归一化到0-1之间或-1到1之间。 ```python # 归一化到0-1 image_array = image_array / 255.0 ``` 8. 扩展维度：有些模型需要批处理维度，即输入形状为(batch_size, height, width, channels)。如果只是单张图片，可以增加一个批次维度。 ```python # 增加批次维度 image_array = np.expand_dims(image_array, axis=0) ``` 9. 如果使用特定的深度学习框架，可能需要转换为对应的张量。例如，对于PyTorch： ```python import torch tensor = torch.from_numpy(image_array).permute(0, 3, 1, 2).float() # 转换为CHW格式 ``` 10. 对于TensorFlow： ```python import tensorflow as tf tensor = tf.convert_to_tensor(image_array, dtype=tf.float32) ``` 注意：上述步骤中的一些处理（如归一化、调整大小）需要根据具体的AI模型要求进行调整。 完整代码示例（假设我们只需要NumPy数组，并且模型输入为224x224 RGB图像，归一化到0-1）： ```python from PIL import Image import numpy as np def load_tiff_to_array(file_path, target_size=(224,224)): # 打开TIFF文件 image = Image.open(file_path) # 处理多页：只取第一页 try: image.seek(0) except EOFError: pass # 转换为RGB if image.mode != 'RGB': image = image.convert('RGB') # 调整大小 image = image.resize(target_size) # 转换为numpy数组 image_array = np.array(image) # 归一化 image_array = image_array.astype(np.float32) / 255.0 # 添加批次维度 image_array = np.expand_dims(image_array, axis=0) return image_array # 使用 input_array = load_tiff_to_array('example.tif') print(input_array.shape) # 应该输出 (1, 224, 224, 3) ``` 注意：如果TIFF文件是灰度图，那么转换为RGB后，三个通道的值将相同。如果模型要求单通道，则不需要转换为RGB，而是转换为'L'（灰度）模式。 另外，如果TIFF文件包含额外的通道（如Alpha通道），则可能需要处理（例如，去除Alpha通道或将其与RGB合并）。 根据具体的模型要求，可能还需要进行其他预处理（例如，使用特定的均值和标准差进行归一化）。因此，在实际应用中，请参考模型文档。 如果TIFF文件是浮点型数据（如地理栅格数据），则处理方式会不同。但这里我们假设是普通的图像TIFF。 相关问题： 1. 如何处理多页TIFF文件？ 2. 如何将TIFF文件中的多个图层合并？ 3. 如何将TIFF文件转换为JPEG或PNG格式以便于查看？ 4. 在深度学习中，常见的图像预处理步骤有哪些？ 5. 如何批量处理多个TIFF文件？</think>### 读取TIFF文件并转换为AI模型输入格式的解决方案 #### 1. **安装必要库** ```bash pip install pillow numpy opencv-python # 可选：根据模型需求安装PyTorch/TensorFlow pip install torch tensorflow ``` #### 2. **基础读取与转换（Pillow + NumPy）** ```python from PIL import Image import numpy as np # 读取TIFF文件 tif_image = Image.open("input.tif") # 转换为NumPy数组（HxWxC格式） image_array = np.array(tif_image) # 归一化到[0,1]范围 normalized = image_array.astype(np.float32) / 255.0 # 添加批次维度（BxHxWxC） model_input = np.expand_dims(normalized, axis=0) print("输出形状:", model_input.shape) # (1, 512, 512, 3) ``` #### 3. **高级处理（多页TIFF/通道调整）** ```python # 处理多页TIFF（如医学影像） with Image.open("multi_page.tif") as img: frames = [] for page in range(img.n_frames): img.seek(page) frames.append(np.array(img)) stacked = np.stack(frames) # (pages, H, W, C) # 单通道转RGB（模型要求3通道） if image_array.ndim == 2: # 灰度图 rgb_array = np.repeat(image_array[..., np.newaxis], 3, axis=-1) ``` #### 4. **OpenCV优化处理** ```python import cv2 # 读取TIFF（支持多页） tif = cv2.VideoCapture("input.tif") success, frame = tif.read() frames = [] while success: frames.append(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)) # BGR转RGB success, frame = tif.read() # 调整大小（模型输入要求） resized = [cv2.resize(f, (224, 224)) for f in frames] ``` #### 5. **转换为深度学习框架格式** **PyTorch示例:** ```python import torch tensor = torch.from_numpy(model_input).permute(0, 3, 1, 2) # 转为BxCxHxW tensor = tensor.to(torch.float32) # GPU加速可添加.cuda() ``` **TensorFlow示例:** ```python import tensorflow as tf tensor = tf.convert_to_tensor(model_input, dtype=tf.float32) tensor = tf.image.per_image_standardization(tensor) # 标准化 ``` ### 关键注意事项 1. **数据类型处理** - TIFF可能包含`uint16`等高精度数据，需用`image_array = image_array.astype(np.float32)`转换 - 浮点TIFF需跳过归一化步骤 2. **模型特殊要求** - 均值归一化：`normalized = (image_array - [123.68, 116.78, 103.94]) / 58.40` - 通道顺序：某些模型需`BGR`而非`RGB`（使用`cv2.COLOR_RGB2BGR`） 3. **批量处理优化** ```python from torch.utils.data import Dataset class TIFFDataset(Dataset): def __init__(self, file_paths): self.files = file_paths def __getitem__(self, idx): img = Image.open(self.files[idx]) return torch.from_numpy(np.array(img)).permute(2,0,1).float() / 255.0 ``` ### 典型应用场景 - **卫星影像分析**：处理16位TIFF的植被指数数据 - **医学影像**：转换DICOM TIFF为3D张量 - **文档识别**：提取多页扫描文档的文本区域
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