Python在mongodb gridfs中存储cv图像

为了进行测试，我们希望将标记的图像日期存储到mongodb数据库中

在图像管道中的某一点上，我们将标记的图像作为openCV图像，表示为numpy ndarray

如何存储图像？由于图像相对较大，我们考虑使用Gridfs

到目前为止，我们的简单代码是：

from pymongo import MongoClient
import gridfs
import cv2

# access our image collection
client = MongoClient('localhost', 27017)
db = client['testDatabaseONE']
testCollection = db['myImageCollection']

fs = gridfs.GridFS(db)

# read the image and convert it to RGB
image = cv2.imread('./testImage.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# store the image
imageID = fs.put(image)

# create our image meta data
meta = {
    'imageID': imageID,
    'name': 'testImage1'
}

# insert the meta data
testCollection.insert_one(meta)

很遗憾，imageID=fs.put（image）抛出以下错误：

回溯（最近一次调用上次）：文件 “/usr/local/lib/python3.6/dist packages/gridfs/grid_file.py”，第行 337，书面形式 read=data.read AttributeError:'numpy.ndarray'对象没有属性'read'

在处理上述异常期间，发生了另一个异常：

回溯（最近一次调用上次）：文件 “/home/johann/pycharm项目/mongoTesting/mongoTesting.py”，第17行， 在里面 imageID=fs.put（image）文件“/usr/local/lib/python3.6/dist-packages/gridfs/init.py”，第121行， 投入 grid_file.write（数据）文件“/usr/local/lib/python3.6/dist packages/gridfs/grid_file.py”，第行 341，书面形式 raise TypeError（“只能写入字符串或类似文件的对象”）TypeError：只能写入字符串或类似文件的对象

---

有没有关于如何使用gridfs存储图像的提示或想法，或者有没有更好的方法？

很明显，问题与图像大小无关。有两个例外，我们需要先解决第一个

回溯（最近一次调用）：文件“/usr/local/lib/python3.6/dist packages/gridfs/grid_File.py”，第337行，在write read=data.read AttributeError:'numpy.ndarray'对象没有属性“read”

请检查文件grid_file.py”，第337行。numpy.ndarray没有称为read的方法。要从该数据数组中读取，您只需对所需内容进行切片，例如：

b = np.fromfunction(f,(5,4),dtype=int)
>>> b
array([[ 0,  1,  2,  3],
       [10, 11, 12, 13],
       [20, 21, 22, 23],
       [30, 31, 32, 33],
       [40, 41, 42, 43]])

>>> b[0:5, 1]  # each row in the second column of b
array([ 1, 11, 21, 31, 41])

---

我通过将ndarray转换为字符串解决了这个问题

将新图像及其元数据存储到数据库中：

# convert ndarray to string
imageString = image.tostring()

# store the image
imageID = fs.put(imageString, encoding='utf-8')

# create our image meta data
meta = {
    'name': 'myTestSet',
    'images': [
        {
            'imageID': imageID,
            'shape': image.shape,
            'dtype': str(image.dtype)
        }
    ]
}

# insert the meta data
testCollection.insert_one(meta)

# get the image meta data
image = testCollection.find_one({'name': 'myTestSet'})['images'][0]

# get the image from gridfs
gOut = fs.get(image['imageID'])

# convert bytes to ndarray
img = np.frombuffer(gOut.read(), dtype=np.uint8)

# reshape to match the image size
img = np.reshape(img, image['shape'])

取回图像：

# convert ndarray to string
imageString = image.tostring()

# store the image
imageID = fs.put(imageString, encoding='utf-8')

# create our image meta data
meta = {
    'name': 'myTestSet',
    'images': [
        {
            'imageID': imageID,
            'shape': image.shape,
            'dtype': str(image.dtype)
        }
    ]
}

# insert the meta data
testCollection.insert_one(meta)

# get the image meta data
image = testCollection.find_one({'name': 'myTestSet'})['images'][0]

# get the image from gridfs
gOut = fs.get(image['imageID'])

# convert bytes to ndarray
img = np.frombuffer(gOut.read(), dtype=np.uint8)

# reshape to match the image size
img = np.reshape(img, image['shape'])

---

嘿，你试过使用numpy.array2string吗？因为我们想保存整个图像，所以我认为切片不是一个好办法。在这种情况下，只需对整行和整列进行切片，例如，a=np.arange（15）。重塑（3，5）和b=a[：，：]。你也可以使用b=a.data，它使用指针，但处理数据的方式会有所不同。