【618】不同图片格式的压缩情况
在制作深度学习语义分割的标签数据的时候,会涉及到存储图片的步骤,默认就是存成了 JPG 格式,今天跟同事聊天,突然说 JPG 会压缩数据,突然我也回忆道自己在生成的白色 JPG 图片上看到了莫名的淡灰色,于是自己打算自己试验下 JPG、PNG、TIF 与 BMP 数据是否能还原为原来的 numpy.array。结论就是 JPG 压缩很明显,其他数据格式都能还原,而且 PNG 占用的存储空间是最小的。
代码:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 | >>> import numpy as np >>> from PIL import Image >>> arr = np.arange( 100 ).reshape( 10 , 10 ) >>> arr = arr.astype( "uint8" ) >>> Image.fromarray(arr).save( "1.jpg" ) >>> Image.fromarray(arr).save( "1.png" ) >>> Image.fromarray(arr).save( "1.tif" ) >>> Image.fromarray(arr).save( "1.bmp" ) >>> img_jpg = Image. open ( "1.jpg" ) >>> np.array(img_jpg) array([[ 1 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 10 , 10 ], [ 9 , 10 , 11 , 12 , 13 , 14 , 15 , 15 , 18 , 18 ], [ 21 , 21 , 22 , 23 , 25 , 26 , 27 , 27 , 30 , 30 ], [ 31 , 31 , 32 , 33 , 34 , 36 , 36 , 37 , 40 , 40 ], [ 39 , 40 , 40 , 42 , 43 , 44 , 45 , 45 , 48 , 48 ], [ 49 , 49 , 50 , 51 , 53 , 54 , 55 , 55 , 58 , 58 ], [ 61 , 61 , 62 , 63 , 64 , 65 , 66 , 67 , 70 , 70 ], [ 69 , 70 , 71 , 72 , 73 , 74 , 75 , 75 , 78 , 78 ], [ 80 , 81 , 82 , 83 , 84 , 85 , 86 , 86 , 89 , 89 ], [ 90 , 90 , 91 , 92 , 94 , 95 , 96 , 96 , 99 , 99 ]], dtype = uint8) >>> img_png = Image. open ( "1.png" ) >>> np.array(img_png) array([[ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ], [ 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 ], [ 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 ], [ 30 , 31 , 32 , 33 , 34 , 35 , 36 , 37 , 38 , 39 ], [ 40 , 41 , 42 , 43 , 44 , 45 , 46 , 47 , 48 , 49 ], [ 50 , 51 , 52 , 53 , 54 , 55 , 56 , 57 , 58 , 59 ], [ 60 , 61 , 62 , 63 , 64 , 65 , 66 , 67 , 68 , 69 ], [ 70 , 71 , 72 , 73 , 74 , 75 , 76 , 77 , 78 , 79 ], [ 80 , 81 , 82 , 83 , 84 , 85 , 86 , 87 , 88 , 89 ], [ 90 , 91 , 92 , 93 , 94 , 95 , 96 , 97 , 98 , 99 ]], dtype = uint8) >>> img_tif = Image. open ( "1.tif" ) >>> np.array(img_tif) array([[ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ], [ 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 ], [ 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 ], [ 30 , 31 , 32 , 33 , 34 , 35 , 36 , 37 , 38 , 39 ], [ 40 , 41 , 42 , 43 , 44 , 45 , 46 , 47 , 48 , 49 ], [ 50 , 51 , 52 , 53 , 54 , 55 , 56 , 57 , 58 , 59 ], [ 60 , 61 , 62 , 63 , 64 , 65 , 66 , 67 , 68 , 69 ], [ 70 , 71 , 72 , 73 , 74 , 75 , 76 , 77 , 78 , 79 ], [ 80 , 81 , 82 , 83 , 84 , 85 , 86 , 87 , 88 , 89 ], [ 90 , 91 , 92 , 93 , 94 , 95 , 96 , 97 , 98 , 99 ]], dtype = uint8) >>> img_bmp = Image. open ( "1.bmp" ) >>> np.array(img_tif) array([[ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ], [ 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 ], [ 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 ], [ 30 , 31 , 32 , 33 , 34 , 35 , 36 , 37 , 38 , 39 ], [ 40 , 41 , 42 , 43 , 44 , 45 , 46 , 47 , 48 , 49 ], [ 50 , 51 , 52 , 53 , 54 , 55 , 56 , 57 , 58 , 59 ], [ 60 , 61 , 62 , 63 , 64 , 65 , 66 , 67 , 68 , 69 ], [ 70 , 71 , 72 , 73 , 74 , 75 , 76 , 77 , 78 , 79 ], [ 80 , 81 , 82 , 83 , 84 , 85 , 86 , 87 , 88 , 89 ], [ 90 , 91 , 92 , 93 , 94 , 95 , 96 , 97 , 98 , 99 ]], dtype = uint8) |
图片大小:
结论就是优先存储为 PNG 格式。
分类:
Python Study
, AI Related
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· .NET10 - 预览版1新功能体验(一)
2012-07-22 【061】Eclipse 4 Android 使用技巧