Python 中將 NumPy 陣列轉換為 PIL 影象

使用 Pillow 的 Image.fromarray()，即可從 NumPy 陣列建立 PIL 影像。二維陣列代表灰階像素；形狀為 (height, width, 3) 或 (height, width, 4) 的陣列則代表 RGB 或 RGBA 像素。轉換前也要確認陣列的 dtype 和數值。PIL 是常見的匯入名稱，而 Pillow 是目前持續維護的函式庫。

若要建立 RGB 影像，請建立三通道的 uint8 陣列，再傳給 Image.fromarray()。輸出會顯示影像模式、(width, height) 尺寸，以及左上角的像素值。

本節中的程式碼以及顯示的標籤或輸出仍為英文。

import numpy as np
from PIL import Image

pixels = np.array(
    [[[255, 0, 0], [0, 255, 0]], [[0, 0, 255], [255, 255, 255]]],
    dtype=np.uint8,
)
image = Image.fromarray(pixels)
print(image.mode, image.size, image.getpixel((0, 0)))

RGB (2, 2) (255, 0, 0)

建立的影像是儲存在記憶體中的 Pillow 物件。你可以檢查它的模式和尺寸，再於支援影像預覽的環境中顯示，或將它儲存為檔案。

使用 Image.fromarray() 將 NumPy 陣列轉換為 PIL 影像

Image.fromarray(array) 會根據陣列的形狀和 dtype 推斷影像模式。灰階資料使用形狀為 (height, width) 的二維陣列；RGB 資料使用 (height, width, 3)，若再加上第四個通道則為 RGBA。前兩個維度分別代表列和欄，因此 40 列、60 欄的陣列會建立寬 60 像素、高 40 像素的影像。

如果數值已是 0 到 255 的整數，且代表一般 8 位元影像樣本，請使用 np.uint8。不要不加判斷就轉型：浮點數轉型會截去小數部分，超出可表示範圍的值則可能溢位回繞。若資料使用其他刻度，請先決定轉換前要如何映射到顯示亮度。例如，介於 0–1 的資料可以乘以 255 並四捨五入；其他範圍則需依資料意義明確正規化。

準備陣列的形狀、dtype 與數值範圍

形狀為 (height, width) 的陣列代表灰階影像。RGB 和 RGBA 陣列會多出最後一個通道維度，每個像素分別有三個或四個數值。像 (height, width, 1) 這樣的形狀並非一般的二維灰階格式；如果最後那個單一維度代表灰階通道，可用 array[..., 0] 移除。轉換前請檢查 array.shape、array.dtype，以及最小值和最大值。陣列必須是規則的矩形格狀資料；每列長度不一的巢狀清單並不是影像資料。

以下是完整的灰階轉換範例。範例值直接採用 8 位元範圍，因此不需要縮放。產生的影像使用灰階模式 L，尺寸為 (3, 2)。

本節中的程式碼以及顯示的標籤或輸出仍為英文。

import numpy as np
from PIL import Image

gray = np.array([[0, 64, 128], [32, 160, 255]], dtype=np.uint8)
image = Image.fromarray(gray)
print(image.mode, image.size)

L (3, 2)

如果來源是介於 0 到 1 的浮點數陣列，可以使用 np.round(array * 255).astype(np.uint8)，但請先確認轉換方式符合資料意義。只有當這些值是正規化後的強度值時，這種轉換才合適。若資料代表溫度或任意分數等測量值，請選擇有意義的上下界，將資料截限或正規化到該範圍，並記錄映射方式；否則對比和像素值可能會造成誤解。

建立 PIL 影像前先套用 Matplotlib 色彩映射

如果來源是二維純量場，而你想用顏色表示數值，可以套用 Matplotlib 色彩映射。先將資料正規化至所選色彩映射預期的區間，再把映射結果轉為 8 位元 RGB 或 RGBA 陣列。plasma 色彩映射會回傳正規化後的紅、綠、藍和 alpha 通道；使用 [..., :3] 去除 alpha 通道後，即可得到 RGB 陣列。這是 Image.fromarray() 之外的獨立步驟：色彩映射負責產生顏色，Pillow 則將這些像素包裝成影像。

本節中的程式碼以及顯示的標籤或輸出仍為英文。

import numpy as np
import matplotlib
from PIL import Image

values = np.array([[0.0, 0.25], [0.75, 1.0]])
colors = matplotlib.colormaps["plasma"](values)[..., :3]
rgb = np.round(colors * 255).astype(np.uint8)
image = Image.fromarray(rgb)
print(image.mode, image.size)

RGB (2, 2)

此範例假設 values 已正規化至 0 到 1。如果實際純量範圍不同，請先根據適當的資料界限進行正規化，再套用色彩映射。色彩映射適合用於視覺化，但它會將純量值轉成顯示用顏色；如果分析時仍需要原始測量值，請保留原始資料。產生的影像為 RGB，尺寸是 (2, 2)。

調整 PIL 影像尺寸並儲存

轉換後可使用 image.resize((width, height)) 調整尺寸；Pillow 接受的尺寸順序是先寬、後高。儲存和顯示是不同操作：show() 會使用本機環境開啟預覽，而 save() 會寫入影像檔案。請選擇符合所需格式的副檔名，例如無損輸出的 .png 或 JPEG 的 .jpg。

本節中的程式碼以及顯示的標籤或輸出仍為英文。

import numpy as np
from PIL import Image

pixels = np.zeros((20, 30, 3), dtype=np.uint8)
pixels[:, :15] = [255, 80, 0]
pixels[:, 15:] = [20, 90, 220]
image = Image.fromarray(pixels)
resized = image.resize((60, 40))
resized.save("resized-image.png")
print(resized.size)

範例會在記憶體中建立輸入影像，並將 resized-image.png 寫入目前工作目錄。實際應用程式中，請使用符合輸出位置的路徑。儲存不會修改 NumPy 陣列，而調整尺寸會改變 Pillow 影像的像素尺寸。

常見的轉換問題

• **影像模式不如預期或形狀遭拒：**檢查 array.shape。灰階使用 (height, width)；RGB 或 RGBA 則在最後一個維度分別使用三個或四個通道。若有多餘的單一通道，請將它移除；若來源採用不同的通道慣例，則需重新排列通道。
• **亮度或顏色不對：**轉換前檢查數值範圍。若浮點數值介於 0–1，轉成 8 位元影像時需要適當縮放；若數值已介於 0–255，就不要再次乘以 255。其他範圍則應正規化至有記錄的界限。
• **dtype 不符合預期：**檢查 array.dtype，再決定如何轉換。單純轉型不會重新縮放資料；如果原始精度很重要，請保留來源副本。
• **色彩映射結果不對：**確認純量輸入已依預期正規化，並檢查結果是三個 RGB 通道還是四個 RGBA 通道。建立影像前，請將正規化後的色彩通道轉成 uint8。
• **沒有建立影像檔案：**使用可寫入的路徑和支援的副檔名呼叫 save()。只有需要預覽時才使用 show()；它不會儲存影像。