pythonの画像の読み込みについて

Question

pythonの勉強をしています。ある画像を読み込み、それを配列化してテキストデータとしてファイルに保存したいです。

下記のようなコードを描いたのですが、これが正しく出力がされません。間違いがあるようでしたらその点ご教示いただきたいのですがお願いできますでしょうか。

from PIL import Image
import numpy as np

img=Image.open("test.png")

img_array=np.array(img)
np.savetxt("test2.txt",img_array)

Comments

[YouheiSakurai]

「画像(バイナリデータ)を配列化してテキストデータに」とありますが、どの様なテキストの最終出力を求めているのですか？

[退会済みユーザー]

質問が簡素で申し訳ございませんでした。やりたいことは、Deep Learningの教師データとするためのインプット情報を作りたいです。そのためRGBのそれぞれの値が記された形の配列を出力したいです。画像認識をさせる自動学習でおすすめのデータ構造がありましたらご教示いただけると大変うれしいです。

[YouheiSakurai]

残念ながら私はPythonしか分からないので力にはなれなさそうです。

Answer 1

画像をそのように読み込むと3次元配列になります(高さ、横幅、RGBAチャネル)。 3次元配列はそのままでは書き出せません。1次元配列か、2次元配列なら書き出せます。

グレースケール化した画像はRGBAチャネルがなく2次元配列で表されるので書き出すことができます。

from PIL import Image
import numpy as np

img=Image.open("in.png").convert('L') # convert('L')はグレースケールです。チャネルがないので縦、横の2次元です。

img_array=np.asarray(img)

np.savetxt('out', img_array)

また、3次元配列を1次元配列に変換して書き出すこともできます。

from PIL import Image
import numpy as np

img=Image.open("in.png")

img_array=np.asarray(img)
img_array = img_array.flatten() # 3次元1次元に変換しています。

np.savetxt('out', img_array)

【例】
以下のような 2x2 ピクセルで試してみます。

前者(グレースケール)：

1.890000000000000000e+02 1.570000000000000000e+02
2.230000000000000000e+02 2.150000000000000000e+02

グレースケールなので各数値はピクセルの明るさを意味しています。
e+02は10の2乗を意味してるので、左上の数値は189(=1.89*100)と同じです。同様に右上は157、左下は223、右下は215です。

後者(flatten)：

1.290000000000000000e+02
2.120000000000000000e+02
2.330000000000000000e+02
2.550000000000000000e+02
1.430000000000000000e+02
1.740000000000000000e+02
1.080000000000000000e+02
2.550000000000000000e+02
2.110000000000000000e+02
2.270000000000000000e+02
2.360000000000000000e+02
2.550000000000000000e+02
2.330000000000000000e+02
2.140000000000000000e+02
1.740000000000000000e+02
2.550000000000000000e+02

4行ごとに1つのピクセルを表してます。
1行目・・・左上ピクセルのR要素
2行目・・・左上ピクセルのG要素
3行目・・・左上ピクセルのB要素
4行目・・・左上ピクセルのA要素
5行目・・・右上ピクセルのR要素
6行目・・・右上ピクセルのG要素
7行目・・・右上ピクセルのB要素
8行目・・・右上ピクセルのA要素
：
：

です。

Comments

[退会済みユーザー]

丁寧にありがとうございます。ご指示の通り操作しましたら保存ができました。
追加で質問させていただいてもよろしいでしょうか。

1．グレースケールした際の配列の数字の意味はどのように理解すればよろしいでしょうか
2．3次元を2次元配列にした際の、配列の中身の数字はどのように理解すればよろしいでしょうか

よろしくお願いいたします。

[komachi]

すみません、3次元の要素はRGBではなく、（横幅、高さ、チャネル）でした。回答を修正しましたのでご覧ください。

[退会済みユーザー]

修正と追加の回答ありがとうございます。flattenを追加することで書き出しができるようになりました。
ありがとうございます。

ちなみになのですが、上記下さっております4pixcelの写真ですが、画像の大きさによっては4pixcel以上のデータを保持することがあると思うのですが、pixcel値を指定をして読み込むことは可能なのでしょうか？

[komachi]

「ピクセル値を指定して」とは、特定の座標(x,y)のピクセルだけ読み込むということでしょうか。であれば、リストのインデックスを指定すれば、取得できると思いますが。

Answer 2

# encoding: utf-8

require'dxruby'

img = Image.load('test.png')

h = img.height
w = img.width

h.times do |y|
  w.times do |x|
    p img[x, y]
  end
end

using System;
using System.Drawing;

namespace pictxt4
{
    class Program
    {
        static void Main(string[] args)
        {
            Bitmap img = new Bitmap("test.png");

            int h = img.Height;
            int w = img.Width;

            for(int n = 0; n < h; n++)
            {
                for(int m = 0; m < w; m++)
                {
                    Color ca = img.GetPixel(m, n);
                    Console.WriteLine($"[{ca.A}, {ca.R}, {ca.G}, {ca.B}]");
                }
            }

            Console.ReadKey();
        }
    }
}

# coding: utf-8

from PIL import Image

img = Image.open('test.png').convert('RGBA')

w, h = img.size

for y in range(h):
    for x in range(w):
      r, g, b, a = img.getpixel((x, y))
      print('[%d, %d, %d, %d]' %(a, r, g, b))

RubyとC#で画像をARGBの配列にしてから画像に戻すということを
したことがあります。（C#の方は画像をARGBの配列にするところまで）
1ピクセル？ずつ色を取得して画面に表示させます。

[255, 0, 96, 175]
[255, 0, 96, 175]
[255, 0, 96, 175]
[255, 0, 96, 175]
[255, 0, 96, 175]

そうするとこんな感じになります。
あとは表示させる処理を、ファイルに書き込む処理にすればOKです。
Pythonでも画像の縦と横の長さを指定してピクセルの色を
取得することができれば可能だと思います。

この方法でテキストファイルを作るだいたいととんでもない
大きさのファイルになってメモ帳などで開けなくなります。

Comments

[退会済みユーザー]

ご回答ありがとうございます。
無事テキストファイルに書き出すことができましたが、とてつもないサイズになってまた開きませんでした。

[退会済みユーザー]

読み込めれば良いと思うので、メモ帳などで開けなくても恐らく大丈夫だと思います。
自分が決めた形式で出力できているか気になるときは私の場合、2×2など
小さいサイズの画像を変換して中身を確認していました。（これなら開けるので。）
メモ帳などで開けなくても良いという前提で、出力したテキストファイルを小さくすることを考えると
1.配列を1つの文字列に連結していらない文字（括弧や改行文字）を削除する。
2.RGBAからRGBの配列にする。
3.RGB配列の要素をuniqにする。
4.白黒画像にする。（RGBが共通の値になるので1つでよくなる。）
5.16進数に変換する。
という方法が思いつきます。
これらの方法を使っても、大量の画像をRGBの配列にして保存すれば
とんでもない大きさになることは避けられないので結局、私の方法だと
厳しいかなぁと思います。

その他、保存しておくときは圧縮してzipファイルにするとよいかもしれません。

Answer 3

img_array=np.array(img) 

の部分は、

img_array=np.asarray(img) 

なのではないでしょうか。

Comments

[退会済みユーザー]

array(img)でデータを渡したときにtype()で中身を調べるとndarrayとなっていました。
こちらasarrayとした方がよろしいものなのでしょうか。。。python初心者でして稚拙な質問でしたら申し訳ありません。。。