Python 有没有更快的方法将2d numpy数组保存到png

嗨，我是python新手，我正在尝试将2d numpy数组保存到png文件中

2d numpy数组中的每个元素都是0到100之间的整数，我有一个

getColor（）

函数将其映射为rgb值。我现在所做的是构造一个3通道numpy数组，其形状与我的2d numpy数组相同，并将每个值映射到相应的rgb值。然而，这需要很多时间，我觉得应该有一个更有效的方法来做到这一点。我的代码目前处理一个图像大约需要5秒钟

将numpy导入为np
导入图像
flt_m=get2dArray（）#返回一个（880*880）numpy数组
def getColor（值）：
如果（值<0）：
返回（0,0,0）
elif（值<50）：
返回（100150200）
其他：
报税表（255255）
canvas=np.zero（（flt_m.shape[0]，flt_m.shape[1]，3））.astype（np.uint8）
对于范围内的行（flt_m.shape[0]）：
对于范围内的列（flt_m.形状[1]）：
rgb=getColor（flt_m[行，列]）
对于范围（3）中的i：
画布[行、列、i]=rgb[i]
imageio.imwrite（'test.png'，canvas）#将文件保存到png

您可以使用设置数组的不同子集

因此，也许您使用：

canvas = np.ones([880, 880, 3], dtype=np.uint8) * 255   # initialize the whole RGB-Array with (255, 255, 255)

canvas[flt_m<50] = (100, 150, 200)      # set all values where flt_m is <50 to (100, 150, 200)

---

对于@SpghttCd的答案，您已经有了一个很好的解决方案，但是您的写入时间似乎很慢，所以我考虑了一个替代解决方案

由于您的图像中只有2-3种颜色，您可以编写一个调色板图像（最多支持256种颜色），这将占用更少的内存、更少的处理和更少的磁盘空间。它不是为每个像素存储3个字节（1个表示红色，1个表示绿色，1个表示蓝色），而是在每个像素存储一个字节，该字节是256色RGB查找表或调色板的索引

import numpy as np
from PIL import Image

# Generate synthetic image of same size with random numbers under 256
flt_im = np.random.randint(0,256,(880,880), dtype=np.uint8)

# Make numpy array into image without allocating any more memory
p = Image.fromarray(flt_im, mode='L')

# Create a palette with 256 colours - first 50 are your blueish colour, rest are white
palette = 50*[100,150,200] +  206*[255,255,255]

# Put palette into image and save
p.putpalette(palette)
p.save('result.png')

显然，我无法检查您的机器的性能，但如果我将我的palettised版本与SpightTCD的版本进行比较，我会得到50倍的速度差：

def SpghttCd(flt_im):
    canvas = np.ones([880, 880, 3], dtype=np.uint8) * 255

    canvas[flt_im<50] = (100, 150, 200)
    imageio.imwrite('SpghttCd.png', canvas)


def me(flt_im):
    # Make numpy array into image without allocating any more memory
    p = Image.fromarray(flt_im, mode='L')

    # Create a palette with 256 colours - first 50 are your blueish colour, rest are white
    palette = 50*[100,150,200] +  206*[255,255,255]

    # Put palette into image and save
    p.putpalette(palette)
    p.save('result.png')

# Generate random data to test with - same for both
flt_im = np.random.randint(0,256,(880,880), dtype=np.uint8)

%timeit me(flt_im)
In [34]: %timeit me(flt_im)                                                                         
34.1 ms ± 1.06 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [37]: %timeit SpghttCd(flt_im)                                                                   
1.68 s ± 7.17 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

def SpghttCd（flt_im）：
canvas=np.one（[880880,3]，dtype=np.uint8）*255
canvas[flt\u im你的问题说你的值在0到100之间，但是你的代码测试的是负值吗？你试过
canvas[row，col]=rgb
？模块
枕头
也可以将numpy.array转换为图像-也许它会工作得更快。你可能应该在
np.ones（）上设置
dtype=np.uint8
）
为了避免生成float64 type.setting
dtype=np.uint8
真的很有帮助，现在执行时间减少了2秒。@Steven97102对于880x880来说似乎非常慢。你是在使用树莓Pi还是类似的东西？嗯，我实际上是在英特尔i5上运行的，不知道为什么这么慢这太神奇了！
def SpghttCd(flt_im):
    canvas = np.ones([880, 880, 3], dtype=np.uint8) * 255

    canvas[flt_im<50] = (100, 150, 200)
    imageio.imwrite('SpghttCd.png', canvas)


def me(flt_im):
    # Make numpy array into image without allocating any more memory
    p = Image.fromarray(flt_im, mode='L')

    # Create a palette with 256 colours - first 50 are your blueish colour, rest are white
    palette = 50*[100,150,200] +  206*[255,255,255]

    # Put palette into image and save
    p.putpalette(palette)
    p.save('result.png')

# Generate random data to test with - same for both
flt_im = np.random.randint(0,256,(880,880), dtype=np.uint8)

%timeit me(flt_im)
In [34]: %timeit me(flt_im)                                                                         
34.1 ms ± 1.06 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [37]: %timeit SpghttCd(flt_im)                                                                   
1.68 s ± 7.17 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)