Почему в numpy берется только тонкая полоска изображения?

Question

[Alex_Kuzen]

import numpy as np
from PIL import  Image


im = Image.open('IMG_7760.JPG')
a = np.asarray(im)
for bb in a:

    np.random.random((1,1,1)) * a


    im = Image.fromarray(bb)
    im.save('2222.JPG')
    print(bb)

Берется это изображение, и переводится в матричный массив. Но при сохранении, образовывается очень тонкая полоска изображения. Как исправить ? А если я Указываю числа больше 1 в np.random.random(( 3,3,3)) выдает ошибку

Traceback (most recent call last):
File "C:\Users\AlexK\PycharmProjects\just_codding_for_self\main.py", line 10, in
np.random.random((3,3,3)) * a
ValueError: operands could not be broadcast together with shapes (3,3,3) (824,824,3)

Answer 1

[Vindicar]

Погоди, а что за ересь ты вообще творишь?

im = Image.open('IMG_7760.JPG')
a = np.asarray(im) # a - трёхмерный массив numpy (высота; ширина; каналы)

for bb in a: # перебираешь элементы по первому индексу (высоте), т.е. строки изображения
    np.random.random((1,1,1)) * a #умножаешь каждый элемент (кортеж RGB) строки на одно и то же случайное число
    #и всё. Полученное произведение выбрасывается за ненадобностью. Оригинальное значение ты не заменяешь ведь.
    im = Image.fromarray(bb) #*строку* превращаешь в объект PIL.Image
    im.save('2222.JPG') #и сохраняешь этот объект в файл
    print(bb) #и выводишь на экран

Питон делает ровно то, что ты у него просишь.

Comments

[Alex_Kuzen]

Ну и как перебирать его еще и по ширине ?

[Vindicar]

Alex_Kuzen, а что ты пытаешься сделать?
Потому что если хочешь перебрать каждый пиксель, то достаточно вложенной пары циклов.
А если ты хочешь умножить все каналы всех пикселей изображения на одно и то же число, то почитай про операции с массивами в numpy. Можно просто сделать вот так:

a_float = a.astype(np.float64)
a_float *= np.random.random()
a = a_float.astype(np.uint8)

Для разных чисел в разные пиксели можно сделать так:

a_float = a.astype(np.float64)
#каждый пиксель будет умножен на своё значение, но каналы одного пикселя будут умножены на одно и то же
a_float *= np.random.random((a.shape[0], a.shape[1])) 
a = a_float.astype(np.uint8)

Это будет куда быстрее чем цикл через питон.