使用 Pillow 保存为 JPEG 的图像与原始图像不同。

Question

我有一个 3 维 numpy 数组并使用 Pillow 将其保存为 JPEG 图像。当我使用 Pillow 重新加载图像时，生成的 numpy 数组不同。我为此编写了一个演示代码：

from PIL import Image
import numpy as  np

file_extension = 'jpeg'
# generate a sample image 
image = range(1, 2*2*3+1)
image = np.uint8(np.array(image).reshape(2,2,3))
print 'image', image

img = Image.fromarray(image, "RGB")
img.save('test.'+file_extension)

# load image 
loaded_image = Image.open('test.'+file_extension)
loaded_image = np.array(loaded_image.convert('RGB'))
print 'loaded image', loaded_image

代码输出结果如下：

image [[[ 1  2  3]
  [ 4  5  6]]

 [[ 7  8  9]
  [10 11 12]]]
loaded image [[[ 3  4  6]
  [ 3  4  6]]

 [[ 7  8 10]
  [ 8  9 11]]]

loaded_image与原来的image不同。但是，如果我将 file_extension 更改为 'png' 或 'bmp' 等，loaded_image 将与原始 image 相同。

我想知道是否有人有类似的问题并且知道为什么使用 Pillow 以 JPEG 格式保存图像会出现这样的问题？

Answer 1

答案很简单...

JPEG 是 "lossy"。它会丢弃最不明显的细节以保存 space - 请参阅 Wikipedia entry for JPEG 并向下滚动以查找 "Quantisation"。它甚至没有开始使用每个 sample/channel 数据的 16 位。

PNG、BMP 和 TIFF（JPEG 编码的 TIFF 除外）是无损的- 这意味着您可以准确取回您保存的内容。

GIF 有点不同，因为它的调色板有限，因此您可能会取回与保存的内容不同的内容，具体取决于原始图像的颜色数量。

如果您的数据是 16 位的 sample/channel，您应该使用 PNG、NetPBM 或 TIFF 因为 BMP 无法存储每个样本数据的 16 位 - 他们所谓的 24 位意味着 3 个通道，每个 8 位。

使用 Pillow 保存为 JPEG 的图像与原始图像不同。

The image saved as JPEG with Pillow is different from the original image.

png

python-imaging-library

jpeg

bmp