Potrzebuję metody Pythona do otwierania i importowania obrazów TIFF do tablic numpy, aby móc analizować i modyfikować dane pikseli, a następnie ponownie zapisywać je jako TIFF. (Są to w zasadzie mapy natężenia światła w skali szarości, przedstawiające odpowiednie wartości na piksel)

Nie mogłem znaleźć żadnej dokumentacji na temat metod PIL dotyczących TIFF. Próbowałem to rozgryźć, ale otrzymałem tylko błędy „zły tryb” lub „nieobsługiwany typ pliku”.

Czego potrzebuję tutaj?

Najpierw pobrałem testowy obraz TIFF z tej strony o nazwie a_image.tif. Następnie otworzyłem z PIL w ten sposób:

>>> from PIL import Image
>>> im = Image.open('a_image.tif')
>>> im.show()

To pokazało obraz tęczy. Aby przekonwertować na tablicę numpy, jest to tak proste, jak:

>>> import numpy
>>> imarray = numpy.array(im)

Widzimy, że rozmiar obrazu i kształt tablicy pasują do siebie:

>>> imarray.shape
(44, 330)
>>> im.size
(330, 44)

A tablica zawiera uint8wartości:

>>> imarray
array([[  0,   1,   2, ..., 244, 245, 246],
       [  0,   1,   2, ..., 244, 245, 246],
       [  0,   1,   2, ..., 244, 245, 246],
       ..., 
       [  0,   1,   2, ..., 244, 245, 246],
       [  0,   1,   2, ..., 244, 245, 246],
       [  0,   1,   2, ..., 244, 245, 246]], dtype=uint8)

Gdy skończysz modyfikować tablicę, możesz zmienić ją z powrotem w obraz PIL w następujący sposób:

>>> Image.fromarray(imarray)
<Image.Image image mode=L size=330x44 at 0x2786518>

Używam matplotlib do czytania plików TIFF:

import matplotlib.pyplot as plt
I = plt.imread(tiff_file)

i Ibędzie typowyndarray .

Zgodnie z dokumentacją, w rzeczywistości to PIL działa za kulisami podczas obsługi plików TIFF, ponieważ matplotlib czyta natywnie tylko pliki PNG, ale dla mnie działa dobrze.

Jest też plt.imsavefunkcja zapisywania.

Możesz również użyć do tego GDAL. Zdaję sobie sprawę, że jest to zestaw narzędzi geoprzestrzennych, ale nic nie wymaga posiadania produktu kartograficznego.

Link do prekompilowanych plików binarnych GDAL dla Windows (zakładając okna tutaj) http://www.gisinternals.com/sdk/

Aby uzyskać dostęp do tablicy:

from osgeo import gdal

dataset = gdal.Open("path/to/dataset.tiff", gdal.GA_ReadOnly)
for x in range(1, dataset.RasterCount + 1):
    band = dataset.GetRasterBand(x)
    array = band.ReadAsArray()

PyLibTiff działał lepiej dla mnie niż PIL, który od grudnia 2020 roku nadal nie obsługuje kolorowych obrazów z więcej niż 8 bitami na kolor .

from libtiff import TIFF

tif = TIFF.open('filename.tif') # open tiff file in read mode
# read an image in the currect TIFF directory as a numpy array
image = tif.read_image()

# read all images in a TIFF file:
for image in tif.iter_images(): 
    pass

tif = TIFF.open('filename.tif', mode='w')
tif.write_image(image)

Możesz zainstalować PyLibTiff z

pip3 install numpy libtiff

Plik Readme PyLibTiff również wspomina o tifffilebibliotece, ale nie próbowałem jej.

W przypadku stosów obrazów łatwiej jest mi scikit-imageje czytać, matplotlibwyświetlać lub zapisywać. Obsługiwałem 16-bitowe stosy obrazów TIFF za pomocą następującego kodu.

from skimage import io
import matplotlib.pyplot as plt

# read the image stack
img = io.imread('a_image.tif')
# show the image
plt.imshow(mol,cmap='gray')
plt.axis('off')
# save the image
plt.savefig('output.tif', transparent=True, dpi=300, bbox_inches="tight", pad_inches=0.0)

Możesz też użyć pytiff, którego jestem autorem.

    import pytiff

    with pytiff.Tiff("filename.tif") as handle:
        part = handle[100:200, 200:400]

    # multipage tif
    with pytiff.Tiff("multipage.tif") as handle:
        for page in handle:
            part = page[100:200, 200:400]

Jest to dość mały moduł i może nie mieć tylu funkcji, co inne moduły, ale obsługuje kafelki tiffs i bigtiff, dzięki czemu można czytać części dużych obrazów.

Polecam używanie powiązań Pythona z OpenImageIO, to standard radzenia sobie z różnymi formatami obrazu w świecie vfx. Odkryłem, że jest bardziej niezawodny w czytaniu różnych typów kompresji w porównaniu do PIL.

import OpenImageIO as oiio
input = oiio.ImageInput.open ("/path/to/image.tif")

Korzystanie z cv2

import cv2
image = cv2.imread(tiff_file.tif)
cv2.imshow('tif image',image)