


Bagaimana dengan Cekap Menukar Imej PIL kepada Tatasusunan NumPy untuk Transformasi Piksel?
Menukar Imej PIL kepada Tatasusunan NumPy untuk Transformasi Piksel yang Cekap
Apabila bekerja dengan tugas pemprosesan imej, selalunya wajar untuk menukar PIL ( Python Imaging Library) ke dalam tatasusunan NumPy untuk transformasi mengikut piksel yang lebih pantas. Penukaran ini membolehkan manipulasi data imej yang cekap, membolehkan operasi imej yang lebih kompleks dan dioptimumkan masa.
Untuk menukar imej PIL kepada tatasusunan NumPy, seseorang boleh menggunakan coretan kod berikut:
pic = Image.open("foo.jpg") pix = numpy.array(pic.getdata()).reshape(pic.size[0], pic.size[1], 3)
Kod ini membaca data imej daripada imej PIL dan membentuknya semula menjadi tatasusunan NumPy 3 dimensi, di mana setiap dimensi mewakili ketinggian, lebar dan saluran imej (cth. RGB).
Untuk menukar tatasusunan NumPy kembali ke dalam imej PIL selepas melakukan transformasi yang diingini, kod berikut boleh digunakan:
new_pic = Image.fromarray(modified_pix)
Walau bagaimanapun, kaedah ini tidak membenarkan pengubahsuaian langsung imej PIL asal menggunakan tatasusunan NumPy yang diubah suai .
Sebelum PIL versi 1.1.6, mengubah suai imej PIL asal diperlukan menukar tatasusunan NumPy kepada senarai tupel:
data = list(tuple(pixel) for pixel in modified_pix) pic.putdata(data)
Walau bagaimanapun, pendekatan ini boleh menjadi perlahan dan tidak cekap.
Dalam PIL versi 1.1.6 dan ke atas, kaedah pilihan untuk menukar antara imej PIL dan tatasusunan NumPy ialah:
pix = numpy.array(pic)
Arahan ini menghasilkan tatasusunan NumPy 3 dimensi dengan baris, lajur , dan saluran RGB sebagai dimensinya.
Selepas melakukan transformasi piksel, tatasusunan yang dikemas kini boleh ditukar kembali kepada imej PIL menggunakan:
new_pic = Image.fromarray(modified_pix)
Sebagai alternatif, seseorang boleh mengubah suai PIL asal imej menggunakan tatasusunan NumPy yang diubah suai dengan:
pic.putdata(modified_pix)
Atas ialah kandungan terperinci Bagaimana dengan Cekap Menukar Imej PIL kepada Tatasusunan NumPy untuk Transformasi Piksel?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.
