将 Numpy 数组图像编码为图像类型(.png 等)，以便将其与 GCloud Vision API 一起使用 - 无

Question

在决定不使用OpenCV之后，因为我只使用OpenCV的一个函数，我希望用其他函数替换cv2.imencode()函数。目标是将2D Numpy Array转换为图像格式(如 .png)，以将其发送到GCloud Vision API。

这是我直到现在一直在使用的：

content = cv2.imencode('.png', image)[1].tostring()
image = vision.types.Image(content=content)

现在我希望在不使用OpenCV的情况下实现同样的目标。

到目前为止，我发现的东西：

• 视觉 API 需要base64编码数据
• Imencode 返回特定图像类型的编码字节

我认为值得注意的是，我的 numpy 数组是一个只有 2 维的二进制图像，整个函数将在 API 中使用，因此应避免将 png 保存到磁盘并重新加载它。

Answer 1

纯 Python 中的 PNG 编写器

如果你坚持使用或多或少的纯python，那么ideasman对这个问题的回答中的以下函数是有用的。

def write_png(buf, width, height):
""" buf: must be bytes or a bytearray in Python3.x,
a regular string in Python2.x.
"""
import zlib, struct
# reverse the vertical line order and add null bytes at the start
width_byte_4 = width * 4
raw_data = b''.join(
b'x00' + buf[span:span + width_byte_4]
for span in range((height - 1) * width_byte_4, -1, - width_byte_4)
)
def png_pack(png_tag, data):
chunk_head = png_tag + data
return (struct.pack("!I", len(data)) +
chunk_head +
struct.pack("!I", 0xFFFFFFFF & zlib.crc32(chunk_head)))
return b''.join([
b'x89PNGrnx1an',
png_pack(b'IHDR', struct.pack("!2I5B", width, height, 8, 6, 0, 0, 0)),
png_pack(b'IDAT', zlib.compress(raw_data, 9)),
png_pack(b'IEND', b'')])

将 Numpy 数组写入 PNG 格式的字节文字，编码为 base64

为了将灰度图像表示为 RGBA 图像，我们将矩阵堆叠成 4 个通道并设置 alpha 通道。(假设您的 2d numpy 数组称为"img")。由于 PNG 坐标的工作方式，我们还垂直翻转 numpy 数组。

import base64
img_rgba = np.flipud(np.stack((img,)*4, axis=-1)) # flip y-axis
img_rgba[:, :, -1] = 255 # set alpha channel (png uses byte-order)
data = write_png(bytearray(img_rgba), img_rgba.shape[1], img_rgba.shape[0])
data_enc = base64.b64encode(data)

测试编码是否正常工作

最后，为了确保编码工作，我们对base64字符串进行解码，并将输出作为"test_out.png"写入磁盘。检查此图像是否与您开始时使用的图像相同。

with open("test_out.png", "wb") as fb:
fb.write(base64.decodestring(data_enc))

替代方案：仅使用PIL

但是，我假设您首先使用某个库来实际读取您的图像？(除非您正在生成它们)。大多数用于读取图像的库都支持这种东西。假设您使用的是PIL，您也可以尝试以下代码片段(来自此答案)。它只是将文件保存在内存中，而不是磁盘上，并使用它来生成 base64 字符串。

in_mem_file = io.BytesIO()
img.save(in_mem_file, format = "PNG")
# reset file pointer to start
in_mem_file.seek(0)
img_bytes = in_mem_file.read()
base64_encoded_result_bytes = base64.b64encode(img_bytes)
base64_encoded_result_str = base64_encoded_result_bytes.decode('ascii')