Python 图片转数组,二进制互转

本文详细介绍了如何使用Python进行图片与numpy数组、图片与二进制数据之间的相互转换,包括直接内存处理避免磁盘IO的方法,适合于需要高效处理图像数据的场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前言

需要导入以下包,没有的通过pip安装

import matplotlib.pyplot as plt
import cv2
from PIL import Image
from io import BytesIO
import numpy as np

1.图片和数组互转

# 图片转numpy数组
img_path = "images/1.jpg"
img_data = cv2.imread(img_path)

# numpy数组转图片
img_data = np.linspace(0,255,100*100*3).reshape(100,100,-1).astype(np.uint8)
cv2.imwrite("img.jpg",img_data) # 在当前目录下会生成一张img.jpg的图片

2.图片和二进制格式互转

# 以 二进制方式 进行图片读取
with open("img.jpg","rb") as f:
	img_bin = f.read() # 内容读取

# 将 图片的二进制内容 转成 真实图片
with open("img.jpg","wb") as f:
    f.write(img_bin) # img_bin里面保存着 以二进制方式读取的图片内容,当前目录会生成一张img.jpg的图片

3.数组 和 图片二进制数据互转

"""
以上两种方式"合作"也可以实现,但是中间会有对外存的读写
一般这些到磁盘的IO操作还是很耗时间的
所以在内存直接处理会较好
"""

# 将数组转成 图片的二进制数据
img_data = np.linspace(0,255,100*100*3).reshape(100,100,-1).astype(np.uint8)
ret,buf = cv2.imencode(".jpg",img_data)
img_bin = Image.fromarray(np.uint8(buf)).tobytes()

# 将图片二进制数据 转为数组
img_data = plt.imread(BytesIO(img_bin),"jpg")
print(type(img_data))
print(img_data.shape)

"""
out:
<class 'numpy.ndarray'>
(100, 100, 3)
"""

或许还有别的方式也能实现 图片二进制数据 和 数组的转换,不足之处希望大家指出

### 如何将Python字符串转换为列表或数组Python中,可以利用内置方法轻松地将字符串转换成列表或其他类型的序列。对于更复杂的操作,如创建字符数组或是基于特定分隔符分割字符串,则需采用不同的策略。 #### 使用`list()`函数构建字符列表 最简单的方式是通过调用`list()`构造器来把整个字符串当作一系列单独的字符处理: ```python string_example = "hello" char_list = list(string_example) print(char_list) # 输出: ['h', 'e', 'l', 'l', 'o'] ``` 此方式适用于需要逐个访问每个字符的情况[^1]。 #### 利用`.split()`方法按指定分隔符切分字符串 当目标是从一段文本中提取词语并形成词组列表时,应当考虑使用字符串对象自带的`.split()`方法,默认情况下它会按照空白字符(空格、制表符等)作为边界条件来进行切割;也可以自定义参数以适应其他场景需求: ```python sentence = "This is an example sentence." words = sentence.split() print(words) # 输出: ['This', 'is', 'an', 'example', 'sentence.'] csv_data = "apple,banana,cherry" fruits = csv_data.split(',') print(fruits) # 输出: ['apple', 'banana', 'cherry'] ``` 这种方法非常适合用于解析结构化的数据源,比如CSV文件中的记录项[^2]。 #### NumPy库实现高效数值型数组管理 如果涉及到大量同质化元素(特别是数字),推荐引入NumPy库辅助完成更加高效的数组运算。不过需要注意的是,由于原始输入为非数字性质的字符串,在实际应用前可能还需要额外的数据预处理步骤,例如编码映射或者类型转换: ```python import numpy as np numeric_string = "0123456789" number_array = np.array(list(numeric_string), dtype=int) print(number_array) # 输出: [0 1 2 3 4 5 6 7 8 9] binary_representation = ''.join(['{:08b}'.format(ord(c)) for c in "ABCD"]) bit_vector = np.frombuffer(binary_representation.encode(), dtype='u1') - ord('0') print(bit_vector.reshape(-1, 8)) """ 输出: [[0 1 0 0 0 0 0 1] [0 1 0 0 0 0 1 0] [0 1 0 0 0 0 1 1] [0 1 0 0 0 1 0 0]] """ ``` 上述例子展示了如何借助于ASCII码值以及二进制表示形式,巧妙地实现了从普通字符串到整数矩阵之间的变过程。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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