使用scikit-image将numpy数组保存为高精度（16位）图像

Question

我正在处理二维的浮点数numpy数组，想把它们保存为高精度的灰度.png文件（比如16位）。如果可以的话，我希望使用scikit-image的skimage.io这个包来实现。

这是我尝试过的主要方法：

import numpy as np
from skimage import io, exposure, img_as_uint, img_as_float

im = np.array([[1., 2.], [3., 4.]], dtype='float64')
im = exposure.rescale_intensity(im, out_range='float')
im = img_as_uint(im)
im

结果是：

array([[    0, 21845],
       [43690, 65535]], dtype=uint16)

我首先尝试把这个保存为一张图片，然后用Python图像库重新加载：

# try with pil:
io.use_plugin('pil')
io.imsave('test_16bit.png', im)
im2 = io.imread('test_16bit.png')
im2

结果是：

array([[  0,  85],
       [170, 255]], dtype=uint8)

所以在写入或读取的过程中，我的精度丢失了。接着我又尝试了matplotlib插件：

# try with matplotlib:
io.use_plugin('matplotlib')
io.imsave('test_16bit.png', im)
im3 = io.imread('test_16bit.png')
im3

结果给了我一个32位的浮点数：

array([[ 0.        ,  0.33333334],
       [ 0.66666669,  1.        ]], dtype=float32)

但我怀疑这真的有32位，因为我保存的是16位的无符号整数到文件里。如果有人能告诉我哪里出错了，那就太好了。我希望这个方法也能扩展到三维数组（也就是说，每个颜色通道保存16位，总共48位每张图片）。

更新：

问题出在imsave上。图像是每个通道8位。怎么才能用io.imsave输出高位深的图像呢？

Answer 1

你想使用 freeimage 库来实现这个功能：

import numpy as np
from skimage import io, exposure, img_as_uint, img_as_float

io.use_plugin('freeimage')

im = np.array([[1., 2.], [3., 4.]], dtype='float64')
im = exposure.rescale_intensity(im, out_range='float')
im = img_as_uint(im)

io.imsave('test_16bit.png', im)
im2 = io.imread('test_16bit.png')

结果：

[[    0 21845]
 [43690 65535]]

关于三维数组，你需要正确地构建这个数组，然后它就能正常工作：

# im = np.array([[1, 2.], [3., 4.]], dtype='float64')
im = np.linspace(0, 1., 300).reshape(10, 10, 3)
im = exposure.rescale_intensity(im, out_range='float')
im = img_as_uint(im)

io.imsave('test_16bit.png', im)
im2 = io.imread('test_16bit.png')

请注意，读取的图像是翻转的，所以像 np.fliplr(np.flipud(im2)) 这样的操作可以把它恢复到原来的形状。