注意：对于“axis”，我指的是图像坐标，而不是NumPy的数组维度。

问题在于^{}维度的解释(“N维数组”)，或者在这个上下文中定义一个坐标系。在

对于Pillow，很明显：The Python Imaging Library uses a Cartesian pixel coordinate system,

with (0,0) in the upper left corner. Note that the coordinates refer

to the implied pixel corners; the centre of a pixel addressed as (0,

0) actually lies at (0.5, 0.5).

Coordinates are usually passed to the library as 2-tuples (x, y).

Rectangles are represented as 4-tuples, with the upper left corner

given first. For example, a rectangle covering all of an 800x600 pixel

image is written as (0, 0, 800, 600).

如下所示(图像->公共域)：

您的代码，修改后可创建2x2像素图像：import numpy as np

from PIL import Image # Pillow

w, h, d = 2,2,3

x,y = 0,1

grid = np.zeros((w, h, d), dtype=np.uint8) # NumPyarray for image data

#test = np.zeros(w*h*d, dtype=np.uint8).reshape(w, h, d)

#print(np.array_equal(grid,test)) # => True

# red pixel with NumPy

grid[x, y] = [255, 0, 0]

print(grid[::])

# green pixel with Pillow

img = Image.fromarray(grid, 'RGB')

pixels = img.load()

pixels[x,y] = (0, 255, 0)

# display temporary image file with default application

scale = 100

img.resize((w*scale,h*scale)).show()

显示问题(在(0,1)处绘制像素，绿色：枕头，红色：nArray)：

X和Y确实互换了：

是因为纽姆还是枕头？在

ndarray打印为

^{pr2}$

它很容易被重新格式化以在视觉上对应于图像像素[

[ [ 0 0 0] [255 0 0] ]

[ [ 0 0 0] [ 0 0 0] ]

]

这表明Pillow对阵列的解释与预期一致。在

但为什么纽比的ndarray似乎互换了坐标轴？在

让我们把这个分开一点[ # grid

[ # grid[0]

[ 0 0 0] #grid[0,0]

[255 0 0] #grid[0,1]

]

[ #grid[1]

[ 0 0 0] #grid[1,0]

[ 0 0 0] #grid[1,1]

]

]

让我们测试一下(-i一旦脚本完成，Python就以交互模式运行)：>py -i t.py

[[[ 0 0 0]

[255 0 0]]

[[ 0 0 0]

[ 0 0 0]]]

>>> grid[0,1]

array([255, 0, 0], dtype=uint8)

>>> grid[0]

array([[ 0, 0, 0],

[255, 0, 0]], dtype=uint8)

>>> ^Z

这证实了上述假设指标。在

很明显，ndarray的第一个维度如何对应于图像线或Y轴，第二个维度对应于图像列或X轴(第三个维度显然对应于RGB像素值)。在

所以，为了匹配“坐标系”，要么。。。在。。。轴需要“交换”

。。。数据需要“交换”

。。。轴心解释需要“交换”

让我们看看：

1。只需在写入ndarray时交换索引变量：# red pixel with NumPy

grid[y, x] = [255, 0, 0]

预期结果[[[ 0 0 0]

[ 0 0 0]]

[[255 0 0]

[ 0 0 0]]]

以及

当然包装器函数可以做到这一点。在

2.Transposing该数组作为suggested by zch，在三维数组上不容易工作，因为该函数默认影响所有维度：grid = np.transpose(grid)

print("transposed\n", grid)

print("shape:", grid.shape)

结果[[[ 0 0]

[255 0]]

[[ 0 0]

[ 0 0]]

[[ 0 0]

[ 0 0]]]

shape: (3, 2, 2)

由于指定了枕头RGB图像模式，因此引发了一个异常：ValueError: not enough image data

但是np.transpose，axes还有一个附加参数：...permute the axes according to the values given.

我们只想交换0和1，而不是{}，因此：grid = np.transpose(grid, (1,0,2))

还有其他类似的功能，例如grid = np.swapaxes(grid,0,1)

3。改变解释？

枕头的^{}可以用来解释ndarray与交换的轴吗？除了颜色的mode之外，它没有任何其他参数(实际上，请参见source code)。在Creates an image memory from an object exporting the array interface using the buffer protocol).

If obj is not contiguous, then the tobytes method is called and frombuffer() is used.

该函数计算出如何调用^{}(source)，它为“解码器”提供了更多选项。在

TL；DR

只需交换索引变量(任意一个)！在

进一步阅读：

-https://docs.scipy.org/doc/numpy-dev/user/quickstart.html