Сначала я загрузил тестовое изображение TIFF с этой страницы под названием a_image.tif . Затем я открыл с помощью PIL вот так:

>>> from PIL import Image
>>> im = Image.open('a_image.tif')
>>> im.show()

Это показало изображение радуги. Чтобы преобразовать в массив numpy, это так же просто, как:

>>> import numpy
>>> imarray = numpy.array(im)

Мы видим, что размер изображения и форма массива совпадают:

>>> imarray.shape
(44, 330)
>>> im.size
(330, 44)

А массив содержит uint8 значений:

>>> imarray
array([[  0,   1,   2, ..., 244, 245, 246],
       [  0,   1,   2, ..., 244, 245, 246],
       [  0,   1,   2, ..., 244, 245, 246],
       ..., 
       [  0,   1,   2, ..., 244, 245, 246],
       [  0,   1,   2, ..., 244, 245, 246],
       [  0,   1,   2, ..., 244, 245, 246]], dtype=uint8)

После того, как вы закончите изменять массив, вы можете снова превратить его в изображение PIL следующим образом:

>>> Image.fromarray(imarray)
<Image.Image image mode=L size=330x44 at 0x2786518>

Я использую matplotlib для чтения файлов TIFF:

import matplotlib.pyplot as plt
I = plt.imread(tiff_file)

и I будет иметь тип ndarray.

Согласно документации, хотя на самом деле это PIL, который работает за кулисами при обработке TIFF, поскольку matplotlib изначально читает только PNG, но у меня это отлично работает.

Также есть plt.imsave функция для сохранения.

Вы также можете использовать для этого GDAL. Я понимаю, что это геопространственный инструментарий, но ничего не требует от вас картографического продукта.

Ссылка на предварительно скомпилированные двоичные файлы GDAL для Windows (здесь предполагается Windows) http://www.gisinternals.com/sdk/

from osgeo import gdal

dataset = gdal.Open("path/to/dataset.tiff", gdal.GA_ReadOnly)
for x in range(1, dataset.RasterCount + 1):
    band = dataset.GetRasterBand(x)
    array = band.ReadAsArray()

PyLibTiff работал у меня лучше, чем PIL, который по состоянию на май 2021 года по-прежнему не поддерживает цветные изображения с более чем 8 битами на цвет.

from libtiff import TIFF

tif = TIFF.open('filename.tif') # open tiff file in read mode
# read an image in the current TIFF directory as a numpy array
image = tif.read_image()

# read all images in a TIFF file:
for image in tif.iter_images(): 
    pass

tif = TIFF.open('filename.tif', mode='w')
tif.write_image(image)

Вы можете установить PyLibTiff с помощью

pip3 install numpy libtiff

В файле readme PyLibTiff также упоминается библиотека tifffile, но я ее не пробовал.

В случае стеков изображений мне легче использовать scikit-image для чтения и matplotlib для отображения или сохранения. Я обработал 16-битные стеки изображений TIFF с помощью следующего кода.

from skimage import io
import matplotlib.pyplot as plt

# read the image stack
img = io.imread('a_image.tif')
# show the image
plt.imshow(mol,cmap='gray')
plt.axis('off')
# save the image
plt.savefig('output.tif', transparent=True, dpi=300, bbox_inches="tight", pad_inches=0.0)

Вы также можете использовать pytiff, автором которого я являюсь.

import pytiff

with pytiff.Tiff("filename.tif") as handle:
    part = handle[100:200, 200:400]

# multipage tif
with pytiff.Tiff("multipage.tif") as handle:
    for page in handle:
        part = page[100:200, 200:400]

Это довольно небольшой модуль и может не иметь такого количества функций, как другие модули, но он поддерживает мозаичные TIFF и BigTIFF, поэтому вы можете читать части больших изображений.

Есть хороший пакет tifffile, который упрощает работу с файлами .tif или .tiff.

Установить пакет с помощью pip

pip install tifffile

Теперь, чтобы прочитать файл .tif / .tiff в формате массива numpy:

from tifffile import tifffile
image = tifffile.imread('path/to/your/image')
# type(image) = numpy.ndarray

Если вы хотите сохранить массив numpy как файл .tif / .tiff:

tifffile.imwrite('my_image.tif', my_numpy_data, photometric='rgb')

or

tifffile.imsave('my_image.tif', my_numpy_data)

Подробнее об этом пакете можно узнать здесь.

Я рекомендую использовать привязки python к OpenImageIO, это стандарт для работы с различными форматами изображений в мире vfx. Я часто считаю его более надежным при чтении различных типов сжатия по сравнению с PIL.

import OpenImageIO as oiio
input = oiio.ImageInput.open ("/path/to/image.tif")

Использование cv2

import cv2
image = cv2.imread(tiff_file.tif)
cv2.imshow('tif image',image)