Python分割文本图像为单行图像时生成全黑图像的问题

核心问题分析 #

你遇到的全黑图像问题，本质是数据类型不匹配+数组维度逻辑错误共同导致的：

1. 数据类型错误
   你初始化的cut_imgs是默认的float64浮点数组，存入整数后变成浮点值（比如100.0）。后续用astype(int)转成的是int32类型，但PIL处理灰度图时，仅支持uint8类型（0-255范围的无符号整数）。int32数组会被PIL错误解析，导致原本的非零数值无法正常显示，最终全黑。

2. 维度逻辑错误
   cut_imgs定义为[200, 1000, 500]，意味着每个分割后的图像是1000行×500列，但你实际需要的是单文本行的图像（1行×原图像宽度）。当前逻辑把原图像的多行数据存入同一个cut_imgs[c]的不同行，导致每个分割图像大部分区域都是0（黑色），视觉上接近全黑。

修复方案 #

方案1：简化逻辑（推荐） #

直接筛选非空行并保存，避免复杂的索引操作：

import numpy as np
from PIL import Image
import sys

np.set_printoptions(threshold=sys.maxsize)
img = Image.open("C:/Users/name/Desktop/Pytorch AI/download.png")
img_data = np.array(img)

# 二值化处理，直接转为uint8类型
img_data = np.where(img_data > 10, 100, 0).astype(np.uint8)

# 计算每行像素和，提取非空行
row_sums = np.sum(img_data, axis=1)
non_empty_rows = img_data[row_sums != 0]

# 逐行保存
for idx, row in enumerate(non_empty_rows):
    # 将单行转为(1, 宽度)的数组，符合灰度图格式
    row_img = row.reshape(1, -1)
    Image.fromarray(row_img).save(f'C:/Users/name/Desktop/Pytorch AI/row_{idx}.png')

方案2：修改原代码的问题点 #

如果要保留原逻辑，需修正数据类型和维度：

import numpy as np
from PIL import Image
import tensorflow as tf
import sys

np.set_printoptions(threshold=sys.maxsize)
img = Image.open("C:/Users/name/Desktop/Pytorch AI/download.png")
img_data = np.array(img)

# 初始化时指定uint8类型，避免浮点转换
cut_imgs = np.zeros([200, img_data.shape[1]], dtype=np.uint8)

# 二值化处理
img_data = np.where(img_data > 10, 100, 0).astype(np.uint8)
z = np.sum(img_data, axis=1)

c = 0
d = 0
for a in img_data:
    if z[d] != 0:
        # 直接将整行存入cut_imgs[c]，而非cut_imgs[c][d]
        cut_imgs[c] = a
        c += 1
    d += 1

# 只保存有内容的行，避免空图像
for g in range(c):
    # 转为(1, 宽度)的数组，确保PIL正确识别为灰度图
    img1 = Image.fromarray(cut_imgs[g].reshape(1, -1))
    img1.save(f'C:/Users/name/Desktop/Pytorch AI/{g}.png')

关于“乘以100修复”的原因 #

你提到的乘以100能临时解决，是因为浮点值放大后转int得到的数值更大，若此时PIL误将数组解析为16位灰度图（支持0-65535范围），较大的数值才能被显示。但这是治标不治本的方法，核心还是要保证数组类型为uint8，且维度符合图像要求。

内容的提问来源于stack exchange，提问作者Christopher Cabit