Python 如何在不将整个图像加载到内存的情况下将单个tif图像部分加载到numpy阵列中？

因此有一个4GB.TIF图像需要处理，由于内存限制，我无法将整个图像加载到numpy阵列中，因此我需要从硬盘中缓慢地加载部分图像。 所以基本上我需要，这需要在python中作为项目需求来完成。我还尝试在PyPi中查找TIFF文件库，但没有发现任何有用的内容。请帮助。

可以做到这一点。例如：

import sys
import numpy as np
import pyvips

image = pyvips.Image.new_from_file(sys.argv[1], access="sequential")

for y in range(0, image.height, 100):
    area_height = min(image.height - y, 100)
    area = image.crop(0, y, image.width, area_height)
    array = np.ndarray(buffer=area.write_to_memory(),
                       dtype=np.uint8,
                       shape=[area.height, area.width, area.bands])

access

选项打开顺序模式：pyvips将仅根据需要加载文件中的像素，但必须从上到下读取像素

该循环以100条扫描线的块沿图像向下运行。当然，你可以调整这个

我可以这样运行它：

$ vipsheader eso1242a-pyr.tif 
eso1242a-pyr.tif: 108199x81503 uchar, 3 bands, srgb, tiffload_stream
$ /usr/bin/time -f %M:%e ./sections.py ~/pics/eso1242a-pyr.tif
273388:479.50

因此，在这台破旧的笔记本电脑上，扫描108000 x 82000像素的图像需要8分钟，峰值内存需要270mb

你在做什么？你也许可以用pyvips来做这一切。它比numpy快很多。

可以做到这一点。例如：

import sys
import numpy as np
import pyvips

image = pyvips.Image.new_from_file(sys.argv[1], access="sequential")

for y in range(0, image.height, 100):
    area_height = min(image.height - y, 100)
    area = image.crop(0, y, image.width, area_height)
    array = np.ndarray(buffer=area.write_to_memory(),
                       dtype=np.uint8,
                       shape=[area.height, area.width, area.bands])

import pyvips
img = pyvips.Image.new_from_file("space.tif", access='sequential')
out = img.resize(0.01, kernel = "linear")
out.write_to_file("resied_image.jpg")

access

选项打开顺序模式：pyvips将仅根据需要加载文件中的像素，但必须从上到下读取像素

该循环以100条扫描线的块沿图像向下运行。当然，你可以调整这个

我可以这样运行它：

$ vipsheader eso1242a-pyr.tif 
eso1242a-pyr.tif: 108199x81503 uchar, 3 bands, srgb, tiffload_stream
$ /usr/bin/time -f %M:%e ./sections.py ~/pics/eso1242a-pyr.tif
273388:479.50

因此，在这台破旧的笔记本电脑上，扫描108000 x 82000像素的图像需要8分钟，峰值内存需要270mb

你在做什么？你也许可以用pyvips来做这一切。它比numpy快很多

import pyvips
img = pyvips.Image.new_from_file("space.tif", access='sequential')
out = img.resize(0.01, kernel = "linear")
out.write_to_file("resied_image.jpg")

如果你想将文件转换成其他格式，并且有更小的大小，这段代码就足够了，它将帮助你在没有任何内存尖峰的情况下，在非常短的时间内完成它

---

如果您想将文件转换为其他格式，并且文件大小较小，那么这段代码就足够了，它可以帮助您在不占用任何内存的情况下，在非常短的时间内完成转换…

考虑使用

pyvips

-它在内存方面非常节省。也许可以添加

vip

标签来吸引合适的人。也尝试对你的处理更加明确。考虑使用<代码> PyviPS——它在记忆上是非常节俭的。也许可以添加

vip

标签来吸引合适的人。另外，请尝试更明确地说明您的处理。我从下载了一个1.6 GB的文件，它在内存使用方面没有任何峰值。因此，在转换之前，您不将其加载到numpy会更好。我从1.6 GB的文件下载了一个1.6 GB的文件，它在内存使用方面没有任何峰值。此外，在转换之前，您也不将其加载到numpy，这将非常有用更好的