在 numpy 中创建 "white" 图像（二维图像）

Question

看来我对 numpy 数组中图像的表示方式的理解存在一些根本性的差距。

img = np.ones([100,100,3], dtype=np.uint8)*255
plt.imshow(img)

以上代码创建了一个 "white" 3 通道图像。

每个像素的值为 [255,255,255]

明白了。

现在我想创建一个 "white" 灰度图像。我真的不需要 RGB 通道来存储白色图像，对吗？

img_bw = np.ones([100,100], dtype=np.uint8)*255
plt.imshow(img_bw, cmap = "gray")

即使每个像素位置的值为 255，这也会创建一个 "black image"？

好吧，让我把我之前的 3 通道白色图像转换成灰度图，看看 numpy 数组是什么样子的。

img_bw1 = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
plt.imshow(img_bw1, cmap = "gray")

这也给了我一个"black image"？

那么灰度 "white image" 的 numpy 矩阵到底是什么样的？

img = io.imread("https://www.colorcombos.com/images/colors/FFFFFF.png" , as_grey=True)
plt.imshow(img*255, cmap = "gray")

这是一张白色图片。此矩阵中的每个像素的值都在 216 及以上

plt.imshow(img, cmap = "gray")

这也是一张白图。此矩阵中的每个像素的值为 0.86 及以上。

我完全迷路了。

问题 -

Answer 1

使用 PIL 将数组编码为图像是一种方法 -

img_bw = np.ones([100,100], dtype=np.uint8)*255
img = Image.fromarray(img_bw)
img.show()

输出

对于黑色，如果你只是改成 img_bw = np.ones([100,100], dtype=np.uint8)*0 你会得到 -

Answer 2

当使用颜色图显示二维数组时，matplotlib 将首先 normalize the data 使其位于 0 和 1 之间。

您的白色数组仅由 255 组成，在尝试对等值数组进行归一化时，文档指出它们都被转换为 0（见上文 link），导致呈现黑色。要手动指定范围，请使用：

plt.imshow(img, cmap='gray', vmin=0, vmax=255)

您也可以尝试将 img_bw 数组中的第一个像素设置为 <255 的任何值，并使用您原来的方法显示它，您应该会看到一个全白的图像，角落里有一个黑色方块。

至于为什么这个“有效”：

img = io.imread("https://www.colorcombos.com/images/colors/FFFFFF.png" , as_grey=True)
plt.imshow(img*255, cmap = "gray")

image in that link 周围有一个灰色细边框，因此在归一化后，灰色边框（图像的最暗部分）被缩放为 0（黑色），其余白色内部保持白色。

Creating a "white" image in numpy (2-D image)