如何在 Python 中加载图像，但保持压缩状态？

Question

我有一系列图像，都可以在 JP2 和 PNG 上使用，我需要在 python 程序上加载此图像以按顺序显示它们。现在我只需要显示序列的一部分，例如：

从第 12 帧到第 24 帧一次，

第二次从Frame2到Frame7，

加载

所有图像占用了我太多的内存，并且每次加载新序列都是一项漫长的任务。
有一个函数/方法可以在程序中加载图像，但保持压缩？我可以将这些图像保存在内存中以供随时使用，但内存占用较低吗？

Answer 1

您可以将可爱的小型 JPEG/PNG/JP2 图像作为一堆字节读入内存，并以与磁盘上相同的大小压缩它们，然后在需要时从内存中解压缩它们。

首先，让我们看看内存中 RGB888 的 1280x1024 图像所需的内存 - 高达 3.9MB：

# Decompressed image in memory takes 3.9MB memory
im = np.zeros([1280,1024,3], dtype=np.uint8)

# print(im.nbytes) => 3932160

现在让我们看一下相同大小的 JPEG：

它在磁盘上，带有ls -l：

-rw-r--r--@  1 mark  staff      47276  2 Apr 17:13 image.jpg

这里它仍然在内存中被压缩，同样为 47kB，即大小的 1.2%：

# Same image as JPEG takes 47kB of memory
with open('image.jpg','rb') as f: 
   jpg = f.read() 

# print(len(jpg)) => 47276

现在，当您需要图像时，从内存而不是从磁盘解压缩它

# Read with 'imageio'
from io import BytesIO 
import imageio
numpyArray = imageio.imread(BytesIO(jpg))
# print(numpyArray.shape) =>(1024, 1280, 3)

# Or, alternatively, and probably faster, read with OpenCV
import cv2
numpyArray = cv2.imdecode(np.frombuffer(jpg,dtype=np.uint8), -1)  
# print(numpyArray.shape) =>(1024, 1280, 3)

另一个完全不同的选项是对图像进行调色，它可以更快地解码数英里，但只会将内存占用减少 3 倍。您将颜色数量减少到 256 种独特颜色以下，并存储包含 256 种颜色的调色板。然后，在每个像素位置存储一个字节（即调色板索引），而不是 3 个字节的 RGB。这会将内存使用量从 3.9MB/图像减少到 1.3MB/图像。它不需要任何解码。但可能会导致颜色保真度和/或条带的轻微损失 - 这可能是也可能不是问题，具体取决于相机/图像的质量。

看起来像这样：

from PIL import Image
import numpy as np

im = Image.open('image.jpg')

# Make into Numpy array - size is 3.9MB
a = np.array(im)

# Now make a 256 colour palletised version
p = im.convert('P',palette=Image.ADAPTIVE)

# Make into Numpy array - size is now only 1.3MB
a = np.array(p)