Python PIL library Image.fromarray（）导致AttributeError:'；元组'；对象没有属性'__阵列接口x27；

我正在使用物理模拟器pybullet，并希望使用以下两行代码在我的模拟中保存来自“虚拟摄影机”的图像

camera1 = pybullet.getCameraImage(900,600)
im1 = Image.fromarray(camera1[2])

第一行使用pybullet的getCameraImage函数返回未处理的图像

camera1[2]

是RGBA格式的像素颜色列表，每种颜色的范围为[0..255] 第二行应该获取该数组并将其转换为图像，然后保存并查看

运行代码时，我收到以下错误消息：

Traceback (most recent call last):
  File "generate_dataset.py", line 43, in <module>
    im1 = Image.fromarray(camera1[2], "RGBA")
  File "/usr/lib/python3/dist-packages/PIL/Image.py", line 2140, in 
fromarray
    arr = obj.__array_interface__
AttributeError: 'tuple' object has no attribute '__array_interface__'

将最后一行更改为：

im1=Image.fromarray（imarray.astype（'uint8'））

导致：

Traceback (most recent call last):
  File "generate_dataset.py", line 42, in <module>
    im1 = Image.fromarray(imarray)
  File "/usr/local/lib/python2.7/dist-packages/PIL/Image.py", line 2431, in fromarray
    raise TypeError("Cannot handle this data type")
TypeError: Cannot handle this data type

Traceback (most recent call last):
  File "generate_dataset.py", line 42, in <module>
    im1 = Image.fromarray(imarray.astype('uint8'))
  File "/usr/lib/python3/dist-packages/PIL/Image.py", line 2165, in fromarray
    size = shape[1], shape[0]
IndexError: tuple index out of range

回溯（最近一次呼叫最后一次）：
文件“generate_dataset.py”，第42行，在
im1=Image.fromarray（imarray.astype（'uint8'））
fromarray中的文件“/usr/lib/python3/dist packages/PIL/Image.py”，第2165行
大小=形状[1]，形状[0]
索引器错误：元组索引超出范围

额外信息，如果需要

Pybullet文档：

PIL文件：

我的完整代码：

import pybullet as p
import pybullet_data
import time
from PIL import Image
from random import *
import numpy as np

nExamples = 200

for n in range(0, nExamples):

  print ("Running example " + str(n))

  physicsClient = p.connect(p.DIRECT) #or p.GUI for graphical version
  p.setAdditionalSearchPath(pybullet_data.getDataPath()) #optionally
  p.setGravity(0,0,-10)
  planeId = p.loadURDF("ground.urdf")
  p.resetDebugVisualizerCamera( cameraDistance=1, cameraYaw=0, cameraPitch=-30, cameraTargetPosition=[0,0,0])

  x1 = uniform(-0.03,0.03)
  y1 = uniform(-0.03,0.03)
  x2 = x1 + uniform(-0.03,0.03)
  y2 = y1 + uniform(-0.03,0.03)
  cubeStartPos = [0.0,0,0.025]
  cubeStartPos1 = [x1,y1,0.075]
  cubeStartPos2 = [x2,y2,0.125]
  yaw0 = uniform(0,np.pi/2)
  yaw1 = uniform(0,np.pi/2)
  yaw2 = uniform(0,np.pi/2)
  cubeStartOrientation0 = p.getQuaternionFromEuler([0,0,yaw0])
  cubeStartOrientation1 = p.getQuaternionFromEuler([0,0,yaw1])
  cubeStartOrientation2 = p.getQuaternionFromEuler([0,0,yaw2])
  boxId = p.loadURDF("red_block.urdf",cubeStartPos, cubeStartOrientation0)
  boxId1 = p.loadURDF("green_block.urdf",cubeStartPos1, cubeStartOrientation1)
  boxId2 = p.loadURDF("blue_block.urdf",cubeStartPos2, cubeStartOrientation2)

  #saving the initial image...
  camera1 = p.getCameraImage(900,600)
  imarray = np.asarray(camera1[2])
  im1 = Image.fromarray(imarray.astype('uint8'))

  for i in range (250):
    p.stepSimulation()
    time.sleep(1./20.)

  camera2 = p.getCameraImage(900,600)

  #saving the image after blocks movement --> if stable this image is equal to the initial...
  im2 = Image.fromarray(camera2[2])

  #Are the images different? (Is it unstable?) --> if yes then diff is large, otherwise, diff is negligible
  diff = (camera2[2] - camera1[2]).sum()
  print("DIFFERENCE =", diff)
  if abs(diff) < 100000:
    im1.save("images/stable/image_%d.png" % n)
  else:
    im1.save("images/unstable/image_%d.png" % n)

  #cropping images
  cropped = im1.crop((350,200,550,400))
  cropped.save("images/cropped/image_%d.png" % n)

  p.disconnect()

  print ("Reached end of loop\n")

将pybullet作为p导入
导入PYU数据
导入时间
从PIL导入图像
从随机导入*
将numpy作为np导入
例如：200
对于范围内的n（0，示例）：
打印（“运行示例”+str（n））
physicclient=p.connect（p.DIRECT）#或p.GUI用于图形版本
p、 setAdditionalSearchPath（pybullet_data.getDataPath（））#可选
p、 设定重力（0,0，-10）
planeId=p.loadURDF（“ground.urdf”）
p、 ResetDebugVisualizationRCAMera（CameradInstance=1，cameraYaw=0，CameraPictch=-30，CameratTargetPosition=[0,0,0]）
x1=均匀（-0.03,0.03）
y1=均匀（-0.03,0.03）
x2=x1+均匀（-0.03,0.03）
y2=y1+均匀（-0.03,0.03）
cubeStartPos=[0.0,0,0.025]
cubeStartPos1=[x1，y1,0.075]
cubeStartPos2=[x2，y2,0.125]
yaw0=均匀（0，np.pi/2）
yaw1=均匀（0，np.pi/2）
yaw2=均匀（0，np.pi/2）
cubeStartOrientation0=p.getQuaternionFromEuler（[0,0，yaw0]）
cubeStartOrientation1=p.getQuaternionFromEuler（[0,0，yaw1]）
cubeStartOrientation2=p.getQuaternionFromEuler（[0,0，yaw2]）
boxId=p.loadURDF（“red_block.urdf”，cubeStartPos，cubeStartOrientation0）
boxId1=p.loadURDF（“green_block.urdf”，cubeStartPos1，cubeStartOrientation1）
boxId2=p.loadURDF（“蓝色块，urdf”，立方星定位2，立方星定位2）
#正在保存初始图像。。。
camera1=p.getCameraImage（900600）
imarray=np.asarray（camera1[2]）
im1=Image.fromarray（imarray.astype（'uint8'））
对于范围（250）内的i：
p、 步骤模拟（）
时间。睡眠（1/20）
camera2=p.getCameraImage（900600）
#块移动后保存图像-->如果此图像等于初始值。。。
im2=Image.fromarray（camera2[2]）
#图像不同吗？（是否不稳定？-->如果是，则差异较大，否则差异可忽略不计
diff=（camera2[2]-camera1[2]）.sum（）
打印（“差异=”，差异）
如果abs（差值）<100000：
im1.保存（“images/stable/image\uu%d.png”%n）
其他：
im1.保存（“图像/不稳定/图像\uu%d.png”%n）
#裁剪图像
裁剪=im1.裁剪（（350200550400））
剪切。保存（“图像/剪切/图像\u%d.png”%n）
p、 断开连接（）
打印（“已到达循环的末尾\n”）

从您的描述中不清楚

camera1[2]

是连续R、G、B、a值的平面列表，还是RGBA元组的列表。因此，我将向您展示如何阅读这两个选项

您的主要问题是，您的数据不包含宽度和高度信息，因此我们需要以某种方式提供这些信息。一种方法是将数据读入正确形状的3D Numpy数组。但我们也可以通过使用适当的图像方法直接在PIL中进行

在我的演示中，我使用Python循环来创建一些简单的RGBA数据

此脚本创建RGBA元组列表

from PIL import Image

maxval = 255
width, height = 400, 300

# Display size info
size = width * height
fmt = 'Width: {}, Height: {}, Pixels: {}, Bytes: {}'
print(fmt.format(width, height, size, size * 4))

# Make a 2D gradient that starts at black in the top left corner,
# with red & green increasing horizontally, blue increasing vertically.
# This would be much faster using Numpy instead of Python loops.
pixels = []
# Make all pixels fully opaque
alpha = maxval
for y in range(height):
    blu = maxval * y // height
    for x in range(width):
        red = gre = maxval * x // width
        # Make a single RGBA pixel as a tuple
        pix = red, gre, blu, alpha
        # And save it
        pixels.append(pix)

# Show that the size of `pixels` is correct and show the first few pixels
print('Size:', len(pixels))
print(pixels[:8])

# Make a new image object. All pixels are set to black. 
img = Image.new('RGBA', (width, height))
# Copy the pixel data to the Image
img.putdata(pixels)
img.show()
img.save('test1.png') 

输出

Width: 400, Height: 300, Pixels: 120000, Bytes: 480000
Size: 120000
[(0, 0, 0, 255), (0, 0, 0, 255), (1, 1, 0, 255), (1, 1, 0, 255), (2, 2, 0, 255), (3, 3, 0, 255), (3, 3, 0, 255), (4, 4, 0, 255)]

Width: 400, Height: 300, Pixels: 120000, Bytes: 480000
Size: 480000
[0, 0, 0, 255, 0, 0, 0, 255, 1, 1, 0, 255, 1, 1, 0, 255, 2, 2, 0, 255, 3, 3, 0, 255, 3, 3, 0, 255, 4, 4, 0, 255]

test1.png

---

此脚本创建一个R、G、B、a值的平面列表。它使用Python3

bytes

对象，因此无法在Python2上正常工作

from PIL import Image

maxval = 255
width, height = 400, 300

# Display size info
size = width * height
fmt = 'Width: {}, Height: {}, Pixels: {}, Bytes: {}'
print(fmt.format(width, height, size, size * 4))

# Make a 2D gradient that starts at black in the top left corner,
# with red & green increasing horizontally, blue increasing vertically.
# This would be much faster using Numpy instead of Python loops.
rgba = []
# Make all pixels fully opaque
alpha = maxval
for y in range(height):
    blu = maxval * y // height
    for x in range(width):
        red = gre = maxval * x // width
        # Make a single RGBA pixel as a tuple
        pix = red, gre, blu, alpha
        # And save each of red, gre, blu, alpha to rgba. 
        # By using `.extend` we create a flat list
        rgba.extend(pix)

# Show that the size of `rgba` is correct and show the first few values.
print('Size:', len(rgba))
print(rgba[:32])

# Convert the rgba list to bytes.
rgba = bytes(rgba)
# Make a new image object from the bytes
img = Image.frombytes('RGBA', (width, height), rgba)
img.show()
img.save('test2.png')

输出

Width: 400, Height: 300, Pixels: 120000, Bytes: 480000
Size: 120000
[(0, 0, 0, 255), (0, 0, 0, 255), (1, 1, 0, 255), (1, 1, 0, 255), (2, 2, 0, 255), (3, 3, 0, 255), (3, 3, 0, 255), (4, 4, 0, 255)]

Width: 400, Height: 300, Pixels: 120000, Bytes: 480000
Size: 480000
[0, 0, 0, 255, 0, 0, 0, 255, 1, 1, 0, 255, 1, 1, 0, 255, 2, 2, 0, 255, 3, 3, 0, 255, 3, 3, 0, 255, 4, 4, 0, 255]

---

文件“test2.png”与“test1.png”完全相同。

您说过“

camera1[2]

是RGBA格式的像素颜色列表”（虽然从错误消息中可以看出，它实际上是一个元组，但在这里不会有什么区别）。但是它是一个整型值的平面列表，还是一个RGBA元组的嵌套列表？顺便说一句，看起来您同时使用了Python2和Python3。当您试图调试东西时，这可能会让人困惑。我建议您坚持使用Python3，除非您需要使用一些尚未移植到Python3的古老库。这就解决了它！将数组转换为字节，然后使用

frombytes

方法（如第二个示例中所示），处理图像时不会出现错误。非常感谢你！