【python】查看图像位深度，以及改变图像位深度的简单小结_深度图像的array数组

every blog every motto: Just live your life cause we don’t live twice.

0. 前言

关于图像位深度，色深的小结
说明：

• 有不对的地方恳请指正，这方面不是太确定。
• 代码基于jupyter notebook
• 关于dtype 的辨析，可以参考我是dtype辨析

1. 正文

一张图像包括基本的信息（长，宽，通道）

from PIL import Image
import numpy as np
img = Image.open('ele.jpg')
img
1
2
3
4

img.size
1

img_array = np.array(img)
img_array.shape
1
2

那什么又是位深度呢？

1.1 位深度（bit depth）

• 单个像素点（一个通道）上需要用多少比特（bit）来存储数据，常见的是8位
• 8位，像素点的范围是0-255（256个值），因此位深度是8

1.2 色深

• 单个像素点（图片中所有通道）上需要用多少比特(bit)来存储数据。
• 比如，对于一张RGB的彩色图像，一个通道上的一个像素点，是8位；对于整张图像（三个通道）上的一个像素点，色深是24位（3*8），

---

一句话概括：位深度，每一个像素（仅看一个通道）存储所需要的位（bit）数；色深，每个像素（整张图片，或是说所有通道）存储所需要的位（bit）数；
从某种意义上，二者一样，只是看到角度不同。

1.3 查看及改变位深度

from PIL import Image
im = Image.open("xiao.png")
print(im.getbands())
输出：
('R', 'G', 'B')
1
2
3
4
5

根据返回的模式（model），依照下表，可知道具体的位深度。

1.4 改变图像位深度

1.4.1 方法一

先转成数组，数组转成图片时，改变位深度

img = Image.open('16label.png')
img_array = np.array(img)
1
2

img.getbands()
1

根据模式（model) ，可知，图像属于32位整型图像

img_array.dtype
1

也可以通过将图片转换成数组，后查看数组内数据的类型，知道。

转成成8位图像

img = Image.fromarray(np.uint8(img_array))
img.getbands()
1
2

由返回的模式知道，图像已转换位8位图像。

图片再转换成数组，验证

img_array = np.array(img)
img_array.dtype
1
2

1.4.2 方法二

图片转成数组时改变位深度，数组再转成图片

img2 = Image.open('test2.png')
img2.getbands()
1
2

改变数组的数据类型

img_array2 = np.array(img2,dtype='uint8')
img_array2.dtype
1
2

img2 = Image.fromarray(img_array2)
img2.getbands()
1
2

1.4.3 小结

改变位深度的两种方法，形象化的理解就是在如下的位置（1 或 2）中改变。

1.5 图片和数组相互转换（附）

from PIL import Image
import numpy as np
img = Image.open('ele.jpg')
1
2
3

图片转数组

img_array = np.array(img)
1

查看数据类型

type(img_array)
1

数组转图片
方法一：

img_new = Image.fromarray(np.uint8(img_array))
1

方法二：

img_new = Image.fromarray(img_array.astype('uint8'))
1

参考文献

[1] https://zdaiot.com/Python/%E5%B8%B8%E7%94%A8%E7%AC%AC%E4%B8%89%E6%96%B9%E5%8C%85/PIL%E6%80%BB%E7%BB%93/
[2] https://blog.csdn.net/bigapple88/article/details/5625742?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-4&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-4
[3] https://blog.csdn.net/csdn66_2016/article/details/82850695
[4] https://pillow.readthedocs.io/en/5.2.x/handbook/concepts.html?highlight=getbands
[5] https://blog.csdn.net/weixin_39190382/article/details/104975601
[6] https://blog.csdn.net/csdn_gddf102384398/article/details/85543360?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-3&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-3
[7] https://blog.csdn.net/csdn66_2016/article/details/82850695