将灰度 2D numpy 数组转换为 RGB 图像

问题描述

我有一个灰度“TIF”图像，我将其读取为 2D 的 numpy 数组

我的二维阵列中的像素强度范围为 17 到 317。

我有两个挑战

将此二维数组转换为 RGB 图像
将像素强度（17 到 317 之间）缩放到 RGB 值，并将灰度图像显示为 RGB 彩色图像

greyscale img

不幸的是我不能使用 Opencv 和 Matplotlib 作为我工作的最终产品不支持这些

解决方法

在我看来，您的问题有 3 个方面：

创建颜色图或 LUT “查找表”
将像素缩放到标准范围
将颜色图应用于没有 matplotlib 的图像。

因此，要创建颜色图，我们需要一个包含 256 个 RGB 值的列表，其中我们可以查找任何灰度值并找到我们想要显示的颜色。我知道您不能在生产中使用 matplotlib，但是您可以在其他机器上从那里获取一两个颜色图并将其复制到您的生产机器上。所以，让我们这样做。我们将采用 viridis 颜色图：

#!/usr/bin/env python3

import numpy as np
from matplotlib import cm

# Get 256 entries from "viridis" or any other Matplotlib colormap
colmap = cm.get_cmap('viridis',256)

# Make a Numpy array of the 256 RGB values
# Each line corresponds to an RGB colour for a greyscale level
np.savetxt('cmap.csv',(colmap.colors[...,0:3]*255).astype(np.uint8),fmt='%d',delimiter=',')

如果我们看一下那个文件 "cmap.csv"，它有 256 行并以这样的方式开始：

68,1,84
68,2,85
68,3,87
69,5,88
69,6,90
69,8,91
70,9,92
...
...

这意味着我们在灰度图像中看到 0 的任何地方，我们实际上都会为像素 rgb(68,86) 着色。我们在灰度中看到 1 的任何地方都映射到 rgb(68,85)。大概您可以将该文件复制到您的生产机器，并且您可以选择Matplotlib的{{3}}中的任何一个。

关于缩放，您发布了范围为 0..117 的 8 位 PNG 图像，而不是范围为 17..317 的 16 位 TIFF 图像，因此这不是最有帮助的。另外，您还没有说明您打算如何在没有 OpenCV 或 matplotlib 的系统上读取 TIFF，所以我不知道您是否有 >PIL/Pillow 或计划使用 colormaps。

相反，我将创建一个范围为 17..317 的虚拟 32x32 图像，如下所示：

grey = np.random.randint(17,318,(32,32))

看起来像这样：

array([[244,75,237,...,154,190,70],[286,247,158,150,267,124],[170,305,126,111,236],[163,292,184,24,253,177],[314,34,36,87,316,182],[258,153,278,189,57,196]])

如果我们现在想将范围从 17..317 缩放到范围 0..255，我们可以使用：

rescaled = ((grey.astype(float) - grey.min())*255/(grey.max() - grey.min())).astype(np.uint8)

这给了我们：

array([[192,49,187,116,147,45],[228,195,119,113,212,90],[130,244,92,79,186],[124,233,141,200,136],[252,14,16,59,254,140],[204,115,221,146,152]],dtype=uint8)

可以通过加载包含我们的颜色图的 CSV 文件并从颜色图中获取相应元素来进行查找，这些元素由您在 0...255 范围内的灰度值索引：

#!/usr/bin/env python3

import numpy as np
from PIL import Image

# Load image as greyscale and make into Numpy array
grey = np.array(Image.open('TdoGc.png').convert('L'))

# Load RGB LUT from CSV file
lut = np.loadtxt('cmap.csv',dtype=np.uint8,')

# Make output image,same height and width as grey image,but 3-channel RGB
result = np.zeros((*grey.shape,3),dtype=np.uint8)

# Take entries from RGB LUT according to greyscale values in image
np.take(lut,grey,axis=0,out=result)

# Save result
Image.fromarray(result).save('result.png')

tifffile

如果您在阅读后将灰度图像缩放到全范围，请使用以下行：

grey = ((grey.astype(float) - grey.min())*255/(grey.max() - grey.min())).astype(np.uint8)

你会得到这个：

如果您想可视化您的颜色图，请将上面的行更改为如下所示：

grey = np.array(Image.open('TdoGc.png').convert('L'))

进入这个，以便它生成一个渐变（斜坡）图像：

grey = np.repeat(np.arange(256,dtype=np.uint8).reshape(1,-1),100,axis=0)

然后你就可以看到你的颜色图了：

处理没有枚举颜色的类变量的分段线性颜色图的快速技巧。因此，您可以从 cmap.csv 颜色图中制作 autumn 文件，如下所示：

import numpy as np
from matplotlib import cm

# Get "autumn" colourmap
colmap = cm.get_cmap('autumn')

# Save 256 RGB entries as CSV - one for each of grey levels 0..255
np.savetxt('cmap.csv',np.array([colmap(i/255)[:3] for i in range(256)]) * 255,fmt="%d",')

grayscale image image image numpy python rgb