有一个Numpy数组类型的矩阵，如何将它作为图像写入磁盘？任何格式的图像都行(PNG，JPEG，BMP ...)。
最佳解决办法
可以使用scipy.misc，代码如下：
import scipy.miscscipy.misc.imsave('outfile.jpg', image_array)
上面的scipy版本会标准化所有图像，以便min(数据)变成黑色，max(数据)变成白色。如果数据应该是精确的灰度级或准确的RGB通道，则解决方案为：
import scipy.miscscipy.misc.toimage(image_array, cmin=0.0, cmax=...).save('outfile.jpg')
第二种解决办法
使用PIL。
给定一个numpy数组"A"：
from PIL import Imageim = Image.fromarray(A)im.save("your_file.jpeg")
你可以用几乎任何你想要的格式来替换"jpeg"。有关格式详见here更多细节
第三种办法
纯Python(2& 3)，没有第三方依赖关系的代码片段。
此函数写入压缩的真彩色(每个像素4个字节)RGBAPNG。
def write_png(buf, width, height): """ buf: must be bytes or a bytearray in Python3.x, a regular string in Python2.x. """ import zlib, struct# reverse the vertical line order and add null bytes at the startwidth_byte_4 = width * 4raw_data = b''.join(b'\x00' + buf[span:span + width_byte_4] for span in range((height - 1) * width_byte_4, -1, - width_byte_4))def png_pack(png_tag, data):chunk_head = png_tag + data return (struct.pack("!I", len(data)) +chunk_head +struct.pack("!I", 0xFFFFFFFF & zlib.crc32(chunk_head)))return b''.join([ b'\x89PNG\r\n\x1a\n',png_pack(b'IHDR', struct.pack("!2I5B", width, height, 8, 6, 0, 0, 0)),png_pack(b'IDAT', press(raw_data, 9)),png_pack(b'IEND', b'')])
...数据应直接写入以二进制打开的文件，如下所示：
data = write_png(buf, 64, 64)with open("my_image.png", 'wb') as fd:fd.write(data)
Original source
另见：Rust Port from this question.
使用示例感谢@Evgeni Sergeev：/a/21034111/432509
第四种办法
用matplotlib：
import matplotlib matplotlib.image.imsave('name.png', array)
适用于matplotlib 1.3.1，不确定更低的版本是否有效。文档：
Arguments:*fname*:A string containing a path to a filename, or a Python file-like object.If *format* is *None* and *fname* is a string, the outputformat is deduced from the extension of the filename.*arr*:An MxN (luminance), MxNx3 (RGB) or MxNx4 (RGBA) array.
第五种办法
如果使用matplotlib，也可以这样做：
import matplotlib.pyplot as pltplt.imshow(matrix) #Needs to be in row,col orderplt.savefig(filename)
这将保存plot(而不是图像本身)。
第6种办法
python的opencv(/trunk/doc/py_tutorials/py_tutorials.html)。
import cv2import numpy as np cv2.imwrite("filename.png", np.zeros((10,10)))
如果你需要做更多的处理，而不是保存，这个库比较有用。
