用python和PIL模块导入PPM映像

Question

我需要一种方法，我可以读取线和提取像素信息到某种结构，所以我可以使用腐像素功能，以创建一个图像基于ppm p3文件。

我正在使用Python图像库(，PIL)，我希望打开一个PPM映像，并将其显示为屏幕上的图像。

我怎么能只用PIL就能做到这一点呢？

这是我的ppm图像。这只是我创建的一个7x1图像。

P3
# size 7x1
7 1
255
0
0
0
201
24
24
24
201
45
24
54
201
201
24
182
24
201
178
104
59
14

Answer 1

编辑:修改问题后的，只允许读行，检查下面的链接。它解释了如何编写加载文件的包装器。我要亲自测试一下它应该能用..。

您当前(11/2010)无法使用PIL打开普通PPM图像。这里平淡的意思是阿西。但是，二进制版本可以工作。造成这种情况的主要原因是ascii文件没有固定的每个像素位数。这就是PIL中的图像加载程序所假设的。我有一个相关的问题：

如何为普通pgm格式编写PIL图像过滤器？

我计划为普通的PPM写一个PIL过滤器，但我的时间很短。如果你有兴趣帮忙，请告诉我。

比尔，

朱哈

Answer 2

如果您喜欢使用np.array对象，只需这样做：

>>> from scipy.misc import imread
>>> img = imread(path_to_ppm_file)
>>> img.shape
>>> (234, 555, 3)

Answer 3

一些背景概念‍使用您的确切示例：

• .ppm是存储图像数据的文件格式之一，因此它更具有可读性。
• 它代表便携式PixMap格式
• 这些文件通常采用以下格式：

# Optional Comments likes this one
# The first line is the image header which contains the format followed by width and height
P3 7 1
# Second line contains the maximum value possible for each color point
255
# Third line onwards, it contains the pixels represented in rows(7) and columns(1)
0 0 0
201 24 24 
24 201 45 
24 54 201
201 24 182 
24 201 178 
104 59 14

参考文献

因此，您可以看到您已经正确地重写了PPM文件(因为RGB三胞胎被考虑用于彩色图像中的每个像素)。

打开文件并将其可视化

OpenCV (做得很好)

import cv2
import matplotlib.pyplot as plt
img = cv2.imread("\path to the image")
# Remember, opencv by default reads images in BGR rather than RGB
# So we fix that by the following
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
# Now, for small images like yours or any similar ones we use for example purpose to understand image processing operations or computer graphics
# Using opencv's cv2.imshow()
# Or google.colab.patches.cv2_imshow() [in case we are on Google Colab]
# Would not be of much use as the output would be very small to visualize
# Instead using matplotlib.pyplot.imshow() would give a decent visualization
plt.imshow(img)

枕头(或我们称之为PIL)

尽管文档声明我们可以使用以下方法直接打开.ppm文件：

from PIL import Image
img = Image.open("path_to_file")

参考文献

但是，当我们进一步检查时，我们可以看到它们只支持二进制版本(否则称为P6版本)，而不支持ASCII版本(否则称为P3版本)。

参考文献

因此，对于您的用例，使用PIL并不是理想的选择❌。

使用matplotlib.pyplot.imshow()可视化的好处应如上所示。