对比测试 scipy.misc和 PIL.Image和 libtiff.TIFF三个库

输入：

1. (读取矩阵) 读入uint8、uint16、float32的lena.tif

2. (生成矩阵) 使用numpy产生随机矩阵，float64的mat

import numpy as np

from scipy import misc

from PIL import Image

from libtiff import TIFF

#

# 读入已有图像,数据类型和原图像一致

tif32 = misc.imread('.\test\lena32.tif') #

tif16 = misc.imread('.\test\lena16.tif') #

tif8 = misc.imread('.\test\lena8.tif') #

# 产生随机矩阵,数据类型float64

np.random.seed(12345)

flt = np.random.randn(512, 512) #

# 转换float64矩阵type,为后面作测试

z8 = (flt.astype(np.uint8)) #

z16 = (flt.astype(np.uint16)) #

z32 = (flt.astype(np.float32)) #

①对读取图像和随机矩阵的存储

# scipy.misc『不论输入数据是何类型，输出图像均为uint8』

misc.imsave('.\test\lena32_scipy.tif', tif32) #--> 8bit(tif16和tif8同)

misc.imsave('.\test\\randmat64_scipy.tif', flt) #--> 8bit

misc.imsave('.\test\\randmat8_scipy.tif', z8) #--> 8bit(z16和z32同)

# PIL.Image『8位16位输出图像与输入数据类型保持一致，64位会存成32位』

Image.fromarray(tif32).save('.\test\lena32_Image.tif') #--> 32bit

Image.fromarray(tif16).save('.\test\lena16_Image.tif') #--> 16bit

Image.fromarray(tif8).save('.\test\lena8_Image.tif') #--> 8bit

Image.fromarray(flt).save('.\test\\randmat_Image.tif') #--> 32bit(flt.min~flt.max)

im = Image.fromarray(flt.astype(np.float32))

im.save('.\test\\randmat32_Image.tif') #--> 32bit(灰度值范围同上)

#『uint8和uint16类型转换,会使输出图像灰度变换到255和65535』

im = Image.frombytes('I;16', (512, 512), flt.tostring())

im.save('.\test\\randmat16_Image1.tif') #--> 16bit(0~65535)

im = Image.fromarray(flt.astype(np.uint16))

im.save('.\test\\randmat16_Image2.tif') #--> 16bit(0~65535)

im = Image.fromarray(flt.astype(np.uint8))

im.save('.\test\\randmat8_Image.tif') #--> 8bit(0~255)

# libtiff.TIFF『输出图像与输入数据类型保持一致』

tif = TIFF.open('.\test\\randmat_TIFF.tif', mode='w')

tif.write_image(flt, compression=None)

tif.close() #float64可以存储,但因BitsPerSample=64,一些图像软件不识别

tif = TIFF.open('.\test\\randmat32_TIFF.tif', mode='w')

tif.write_image(flt.astype(np.float32), compression=None)

tif.close() #--> 32bit(flt.min~flt.max)

#『uint8和uint16类型转换,会使输出图像灰度变换到255和65535』

tif = TIFF.open('.\test\\randmat16_TIFF.tif', mode='w')

tif.write_image(flt.astype(np.uint16), compression=None)

tif.close() #--> 16bit(0~65535,8位则0~255)

②图像或矩阵归一化对存储的影响

# 『使用scipy,只能存成uint8』

z16Norm = (z16-np.min(z16))/(np.max(z16)-np.min(z16)) #

z32Norm = (z32-np.min(z32))/(np.max(z32)-np.min(z32))

scipy.misc.imsave('.\test\\randmat16_norm_scipy.tif', z16Norm) #--> 8bit(0~255)

# 『使用Image,归一化后变成np.float64 直接转8bit或16bit都会超出阈值,要*255或*65535』

# 『如果没有astype的位数设置,float64会直接存成32bit』

im = Image.fromarray(z16Norm)

im.save('.\test\\randmat16_norm_Image.tif') #--> 32bit(0~1)

im = Image.fromarray(z16Norm.astype(np.float32))

im.save('.\test\\randmat16_norm_to32_Image.tif') #--> 32bit(灰度范围值同上)

im = Image.fromarray(z16Norm.astype(np.uint16))

im.save('.\test\\randmat16_norm_to16_Image.tif') #--> 16bit(0~1)超出阈值

im = Image.fromarray(z16Norm.astype(np.uint8))

im.save('.\test\\randmat16_norm_to8_Image.tif') #--> 8bit(0~1)超出阈值

im = Image.fromarray((z16Norm*65535).astype(np.uint16))

im.save('.\test\\randmat16_norm_to16_Image1.tif') #--> 16bit(0~65535)

im = Image.fromarray((z16Norm*255).astype(np.uint16))

im.save('.\test\\randmat16_norm_to16_Image2.tif') #--> 16bit(0~255)

im = Image.fromarray((z16Norm*255).astype(np.uint8))

im.save('.\test\\randmat16_norm_to8_Image2.tif') #--> 8bit(0~255)

# 『使用TIFF结果同Image』

③TIFF读取和存储多帧tiff图像

#tiff文件解析成图像序列：读取tiff图像

def tiff_to_read(tiff_image_name):

tif = TIFF.open(tiff_image_name, mode = "r")

im_stack = list()

for im in list(tif.iter_images()):

im_stack.append(im)

return

#根据文档,应该是这样实现,但测试中不管是tif.read_image还是tif.iter_images读入的矩阵数值都有问题

#图像序列保存成tiff文件：保存tiff图像

def write_to_tiff(tiff_image_name, im_array, image_num):

tif = TIFF.open(tiff_image_name, mode = 'w')

for i in range(0, image_num):

im = Image.fromarray(im_array[i])

#缩放成统一尺寸

im = im.resize((480, 480), Image.ANTIALIAS)

tif.write_image(im, compression = None)

out_tiff.close()

return

补充：libtiff读取多帧tiff图像

因为TIFF.open().read_image()和TIFF.open().iter_images()有问题，则换一种方式读

from libtiff import TIFFfile

tif = TIFFfile('.\test\lena32-3.tif')

samples, _ = tif.get_samples()

以上这篇浅谈python下tiff图像的读取和保存方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。