如何将Numpy Ndarray转为Bytes适配Amazon Textract的boto3调用

你目前通过boto3调用Amazon Textract处理本地文件的代码可以正常运行：

import boto3
import numpy as np

def filename_to_json(self, filename):
    client = boto3.client('textract')
    if filename is not None:
        with open(filename, 'rb') as image:
            response = client.detect_document_text(Document={'Bytes': image.read()})
    return response

你的需求是修改代码，让detect_document_text能够处理存储在变量中的Numpy Ndarray图像，之前尝试numpy.ndarray.tobytes()、base64.b64encode()等方法均未成功。

根据AWS文档说明：

Bytes
经过Base64编码的文档字节 blob。通过字节 blob 提供的文档最大大小为5 MB，文档字节必须为PNG或JPEG格式。
如果使用AWS SDK调用Amazon Textract，传入Bytes字段的图像字节可能无需进行Base64编码。
类型：Base64编码的二进制数据对象

解决方案 #

问题核心：直接用ndarray.tobytes()得到的是原始像素数据的字节流，并非Textract要求的PNG/JPEG这类编码后的图像格式字节。必须先把Numpy数组转换成标准图像格式的二进制流，再传给Textract。

下面提供两种常用实现方式：

方法1：使用PIL库（Pillow）

先安装依赖：pip install pillow

import boto3
import numpy as np
from PIL import Image
import io

def ndarray_to_json(self, image_array):
    client = boto3.client('textract')
    # 处理图像格式转换（RGBA转RGB，灰度图直接使用）
    if image_array.ndim == 3 and image_array.shape[2] == 4:
        pil_image = Image.fromarray(image_array).convert('RGB')
    else:
        pil_image = Image.fromarray(image_array)
    
    # 将PIL图像转为JPEG格式字节流
    img_byte_arr = io.BytesIO()
    pil_image.save(img_byte_arr, format='JPEG')
    img_byte_arr = img_byte_arr.getvalue()
    
    response = client.detect_document_text(Document={'Bytes': img_byte_arr})
    return response

方法2：使用OpenCV库

先安装依赖：pip install opencv-python

import boto3
import numpy as np
import cv2

def ndarray_to_json(self, image_array):
    client = boto3.client('textract')
    # OpenCV默认BGR格式，转为RGB（彩色图像需处理）
    if image_array.ndim == 3:
        image_array = cv2.cvtColor(image_array, cv2.COLOR_BGR2RGB)
    
    # 将数组编码为JPEG格式字节流
    _, img_encoded = cv2.imencode('.jpg', image_array)
    img_byte_arr = img_encoded.tobytes()
    
    response = client.detect_document_text(Document={'Bytes': img_byte_arr})
    return response

关键注意事项 #

• 若数组是0-1范围的浮点型，需先转成0-255的uint8类型：image_array = (image_array * 255).astype(np.uint8)
• 无需手动做Base64编码，boto3会自动处理该步骤
• 支持JPEG/PNG两种格式，可根据需求替换编码格式

内容的提问来源于stack exchange，提问作者ITdreamer