tiff转图片jpg/png
存在的问题
-
原博客程序内存占用过大，部署在docker后容器异常重启，故修改dtype为float16减小内存占用。
-
chrome浏览器图片显示存在对像素点数量的限制，超出指定大小则图片加载失败，故需要对图片进行缩小，降低像素点数量。
-
参考博客无灰度图转化方法，本文在搜集多方资料后进行补充。
-
jpg图像为3通道，背景颜色显示为黑色。若要去黑框，将图片黑色背景改为透明，则需要保存图片为png格式，将3通道转为4通道（添加透明通道）。
-
生成的png图片文件太大，前端展示速度较慢，故需压缩图片，使网页端能够快速预览。
opencv2实现
tiff转jpg
import cv2
import numpy as np
from skimage import io
from loguru import logger
def tiff2jpg(tiff_file_path, jpg_file_path, scale=0.3):
"""
将tiff文件转为jpg图片
:param tiff_file_path: tiff文件路径
:param jpg_file_path: 生成的图片路径
:param scale: 图像缩放比例
"""
logger.info("开始生成缩略图")
try:
img = io.imread(tiff_file_path) # 读取文件名
logger.info(f"图片尺寸: {img.shape}; 数据类型: {img.dtype}") # 显示图片大小和类型
img = np.divide(img, img.max(), dtype=np.float16) # 使其所有值不大于一
img = img * 255 - 0.001 # 减去0.001防止变成负整型
img = img.astype(np.uint8) # 强制转换成8位整型
if len(img.shape) == 3:
height, width, _ = img.shape
img_resize = cv2.resize(img, dsize=(round(width * scale), round(height * scale)))
b = img_resize[:, :, 0] # 读取蓝通道
g = img_resize[:, :, 1] # 读取绿通道
r = img_resize[:, :, 2] # 读取红通道
rgb_img = cv2.merge([r, g, b]) # 通道拼接
cv2.imwrite(jpg_file, rgb_img) # 保存图像
elif len(img.shape) == 2:
height, width = img.shape
img_resize = cv2.resize(img, dsize=(round(width * scale), round(height * scale)))
rgb_image = cv2.cvtColor(img_resize, cv2.COLOR_GRAY2RGB)
b = rgb_image[:, :, 0] # 读取蓝通道
g = rgb_image[:, :, 1] # 读取绿通道
r = rgb_image[:, :, 2] # 读取红通道
rgb_img = cv2.merge([r, g, b]) # 通道拼接
cv2.imwrite(jpg_file_path, rgb_img) # 保存图像
logger.info(f"生成缩略图成功: {jpg_file_path}")
except Exception as e:
logger.error(f"生成缩略图失败: {e}")
tiff转png
import cv2
import numpy as np
from skimage import io
from loguru import logger
def tiff2png(tiff_file_path, png_file_path, scale=0.3):
"""
将tiff文件转为png图片
:param tiff_file_path: tiff文件路径
:param png_file_path: 生成的图片路径
:param scale: 图像缩放比例
"""
logger.info("开始生成缩略图")
try:
img = io.imread(tiff_file_path) # 读取文件名
logger.info(f"图片尺寸: {img.shape}; 数据类型: {img.dtype}") # 显示图片尺寸和类型
img = np.divide(img, img.max(), dtype=np.float16) # 使其所有值不大于1
img = img * 255 - 0.001 # 减去0.001防止变成负整型
img = img.astype(np.uint8) # 强制转换成8位整型
if len(img.shape) == 3:
height, width, _ = img.shape
# 注意顺序: width, height
img_resize = cv2.resize(img, dsize=(round(width * scale), round(height * scale)))
b = img_resize[:, :, 0] # 读取蓝通道
g = img_resize[:, :, 1] # 读取绿通道
r = img_resize[:, :, 2] # 读取红通道
rgb_img = cv2.merge([b, g, r]) # 通道拼接
# 三通道转四通道，设置黑色为透明
gray_image = cv2.cvtColor(rgb_img, cv2.COLOR_BGR2GRAY)
_, alpha = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY)
rgba_image = cv2.merge([b, g, r, alpha], 4)
# 如需轮廓识别，可添加代码在此处
# 保存图像，极限压缩
cv2.imwrite(png_file_path, rgba_image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])
elif len(img.shape) == 2:
height, width = img.shape
# 注意顺序: width, height
img_resize = cv2.resize(img, dsize=(round(width * scale), round(height * scale)))
rgb_image = cv2.cvtColor(img_resize, cv2.COLOR_GRAY2RGB)
b = rgb_image[:, :, 0] # 读取蓝通道
g = rgb_image[:, :, 1] # 读取绿通道
r = rgb_image[:, :, 2] # 读取红通道
_, alpha = cv2.threshold(img_resize, 0, 255, cv2.THRESH_BINARY)
rgba_image = cv2.merge([b, g, r, alpha], 4)
# 保存图像，极限压缩
cv2.imwrite(png_file_path, rgba_image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])
logger.info(f"生成缩略图成功: {png_file_path}")
except Exception as e:
logger.error(f"生成缩略图失败: {e}")
轮廓识别
# 识别轮廓，裁剪图像
contours, _ = cv2.findContours(alpha, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
x, y, w, h = cv2.boundingRect(contours[0])
# 绘制轮廓
cv2.drawContours(dst, contours, 0, (0, 0, 255), 5)
# 提取图像范围
cropped_image = dst[y:y + h, x:x + w]
pillow实现
需要注意的是，此方法并不通用，经测试只有GF3系列可用。
tiff转jpg
# 读取tiff文件
tif_image = Image.open(tiff_file_path)
# 转换为RGB格式
rgb_image = tif_image.convert("RGB")
# 保存图像
rgb_image.save(jpg_file_path)
tiff转png
# 读取tiff文件
tif_image = Image.open(tiff_file_path)
# 转换为RGB格式
rgb_image = tif_image.convert("RGB")
# 创建alpha通道
_, alpha = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY)
# 通道分离
r, g, b = rgb_image.split()
# 将ndnaary类型转化为IMAGE类型
a = Image.fromarray(alpha)
# 通道融合
rgba_image = Image.merge("RGBA", [r, g, b, a])
# 图像尺寸
height, width = img.shape
# 图像等比例缩小
image_resize = rgba_image.resize((round(width * scale), round(height * scale)), Resampling.NEAREST)
# 获取图像的边界框
bbox = image_resize.getbbox()
# 裁剪图像，删除黑色边框
cropped_image = image_resize.crop(bbox)
# 保存为jpg图像
image_resize.save(png_file_path)
参考博客