一文看懂所有图像与numpy矩阵（三维、四维均包含）之间的相互转换

图像与numpy矩阵之间的相互转换：

1.RGB–>灰度图：

from PIL import Image
# 加载RGB图片
I = Image.open('/home/timg.jpg')
I.show()
# 转换为灰度图片
L = I.convert('L')
L.show()
L.save('/home/timg2.jpg')

2.图片–>numpy格式：

from PIL import Image
import numpy
# 加载图片
I = Image.open('/home/timg.jpg')
# 转换成numpy矩阵
img = numpy.array(I)
print(img.shape)
print(img)

3.numpy–>图片：
转为rgb的convert里为’RGB‘
转为灰度图的convert里为‘ gray’

from PIL import Image
import numpy
I = Image.open('/home/timg.jpg')
img = numpy.array(I)
# 把numpy矩阵转换成图片
img_np = Image.fromarray(img.astype('uint8')).convert('RGB')
img_np .show()

4.若numpy为四维的情况：
例如（520，256，256，3）表示520张256*256大小的三维图像，则需用循环将每一张图片提取出来再转化

# 保存路径
output_folder = 'output-te_data/'
for idx in range(520):
	#te_dataz为（520，256，256，3）的numpy矩阵
    im=Image.fromarray(np.uint8(te_data[idx])).convert('RGB')
    # 画图
    # plt.imshow(im)
    # plt.show()
    im.save(output_folder + 'sample_results_'+str(idx)+'.png')

5.若为（520，256，256，1）表示520张256*256大小的一维图像（灰度图像），则需用循环将每一张图片提取出来，将最后一维数据去掉，再保存：

# 保存路径
output_folder = 'output-te_mask/'
for idx in range(520):
	# 先将第三维去掉
    np_img = np.squeeze(te_mask[idx], axis=2)
    im=Image.fromarray(np.uint8(te_data[idx]))
    # 画图
    # plt.imshow(im,cmap='gray')
    # plt.show()
    im.save(output_folder + 'sample_results_'+str(idx)+'.png')