python - 如何在 Python 中加载图像，但保持压缩？

Question

我有一系列图像，在 JP2 和 PNG 上都可用，我需要在 python 程序上加载这个图像以按顺序显示它们。现在我只需要显示序列的一部分，例如：

一次从 Frame12 到 Frame24，

第二次从 Frame2 到 Frame7，

等

加载所有图像会占用我太多的内存，并且每次新序列都是一项漫长的任务时加载。
有一个函数/方法可以在程序中加载图像，但保持压缩？我可以将这些图像保存在内存中以备使用，但内存占用率低吗？

标签： pythonpython-3.ximage

Answer 1

您可以将可爱的小型 JPEG/PNG/JP2 图像作为一堆字节读入内存，并将它们压缩到与磁盘上相同的大小，然后在需要时从内存中解压缩它们。

首先，让我们看看 RGB888 的 1280x1024 图像在内存中所需的内存 - 高达 3.9MB：

# Decompressed image in memory takes 3.9MB memory
im = np.zeros([1280,1024,3], dtype=np.uint8)

# print(im.nbytes) => 3932160

现在让我们看一个相同大小的JPEG：

这是在磁盘上，带有ls -l：

-rw-r--r--@  1 mark  staff      47276  2 Apr 17:13 image.jpg

在这里，它仍然在内存中压缩，大小也为 47kB 或仅为 1.2%：

# Same image as JPEG takes 47kB of memory
with open('image.jpg','rb') as f: 
   jpg = f.read() 

# print(len(jpg)) => 47276

现在当你想要一个图像时，从内存而不是磁盘解压缩它

# Read with 'imageio'
from io import BytesIO 
import imageio
numpyArray = imageio.imread(BytesIO(jpg))
# print(numpyArray.shape) =>(1024, 1280, 3)

# Or, alternatively, and probably faster, read with OpenCV
import cv2
numpyArray = cv2.imdecode(np.frombuffer(jpg,dtype=np.uint8), -1)  
# print(numpyArray.shape) =>(1024, 1280, 3)

---

另一个完全不同的选择是对图像进行调色，它可以更快地解码英里，但只会将内存占用减少 3 倍。您将颜色数量减少到少于 256 种独特颜色，并存储具有 256 种颜色的调色板。然后在每个像素位置存储一个字节，它是调色板的索引，而不是 RGB 的 3 个字节。这会将您的内存使用量从 3.9MB/图像减少到 1.3MB/图像。它不需要任何解码。但可能会导致色彩保真度和/或条纹的轻微损失——这可能是也可能不是问题，具体取决于您的相机/图像的质量。

看起来像这样：

from PIL import Image
import numpy as np

im = Image.open('image.jpg')

# Make into Numpy array - size is 3.9MB
a = np.array(im)

# Now make a 256 colour palletised version
p = im.convert('P',palette=Image.ADAPTIVE)

# Make into Numpy array - size is now only 1.3MB
a = np.array(p)