alex_bn_lee

导航

< 2025年3月 >
23 24 25 26 27 28 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 1 2 3 4 5

统计

【618】不同图片格式的压缩情况

参考:图片格式分不清?JPG、TIF、PNG,不同格式区别到底在哪里

  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([[ 11234567, 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([[ 0123456789],
       [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([[ 0123456789],
       [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([[ 0123456789],
       [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。

posted on   McDelfino  阅读(124)  评论(0编辑  收藏  举报

编辑推荐:
· 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
阅读排行:
· 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)
历史上的今天:
2012-07-22 【061】Eclipse 4 Android 使用技巧
点击右上角即可分享
微信分享提示