2D-Numpy-Array von Graustufenwerten in ein PIL-Bild konvertieren

Question

Angenommen, ich habe ein 2D-Numpy-Array von Werten im Bereich von 0 bis 1, das ein Graustufenbild darstellt. Wie konvertiere ich das dann in ein PIL Image-Objekt? Alle bisherigen Versuche haben extrem seltsame Pixel oder schwarze Bilder ergeben.

for x in range(image.shape[0]): 
    for y in range(image.shape[1]): 
     image[y][x] = numpy.uint8(255 * (image[x][y] - min)/(max - min)) 

#Create a PIL image. 
img = Image.fromarray(image, 'L') 

In dem obigen Code wird das Bild durch numpy Array normalisiert (image [x] [y] - min)/(max - min), so wird jeder Wert auf dem Bereich 0 bis 1. Es ist dann multipliziert mit 255 und in eine 8-Bit-Ganzzahl umgewandelt. Dies sollte theoretisch durch Image.fromarray mit Modus L in ein Graustufenbild - aber das Ergebnis ist eine Reihe von verstreuten weißen Pixeln.

Answer 1

Wenn ich Sie Frage verstanden habe, möchten Sie ein Graustufenbild mit PIL bekommen.

Wenn dies der Fall ist, müssen Sie nicht jedes Pixel multiplizieren mit 255

Das funktioniert für mich folgende

import numpy as np 
from PIL import Image 

# Creates a random image 100*100 pixels 
mat = np.random.random((100,100)) 

# Creates PIL image 
img = Image.fromarray(mat, 'L') 
img.show() 

Answer 2

Ich denke, die Antwort ist falsch. Die Image.fromarray (____, 'L') Funktion scheint nur mit einem Array von Ganzzahlen zwischen 0 und 255 richtig zu funktionieren. Ich benutze die Funktion np.uint8 dafür.

Sie können dies demonstrieren, wenn Sie versuchen, einen Farbverlauf zu erstellen.

import numpy as np 
from PIL import Image 

# gradient between 0 and 1 for 256*256 
array = np.linspace(0,1,256*256) 

# reshape to 2d 
mat = np.reshape(array,(256,256)) 

# Creates PIL image 
img = Image.fromarray(np.uint8(mat * 255) , 'L') 
img.show() 

macht einen sauberen Gradienten

vs

import numpy as np 
from PIL import Image 

# gradient between 0 and 1 for 256*256 
array = np.linspace(0,1,256*256) 

# reshape to 2d 
mat = np.reshape(array,(256,256)) 

# Creates PIL image 
img = Image.fromarray(mat , 'L') 
img.show() 

hat die gleiche Art von artifacting.