如何在Matplotlib中获取指定坐标像素颜色并转为NumPy数组？

1. 将PIL图像转换为NumPy数组 #

直接用numpy.array()就能把PIL的Image对象转换成NumPy数组，数组维度对应(图像高度, 图像宽度, 通道数)——RGB图是3通道，灰度图是单通道，所有像素值会自动存入数组中。

2. 访问指定位置的像素 #

注意数组索引和图像坐标的对应关系：图像的(x, y)坐标对应数组的[y, x]索引（数组第一个维度是垂直方向的像素行，第二个是水平方向的像素列）。

3. 判断像素是黑色还是白色 #

对于RGB像素，可通过通道值或灰度均值判断：

• 黑色像素的RGB值接近(0, 0, 0)
• 白色像素的RGB值接近(255, 255, 255)

完整示例代码 #

import numpy
from PIL import Image
import matplotlib.pyplot as plt

# 打开并缩小图片
img = Image.open(r'C:\Users\User\OneDrive\Desktop\database\db1.jpg')
small_img = img.resize((16, 16), Image.BILINEAR)

# 将PIL图像转为NumPy数组，所有像素值已存入其中
img_array = numpy.array(small_img)

# 访问x=6、y=6位置的像素（数组索引为[y, x]）
target_pixel = img_array[6, 6]
print(f"目标像素RGB值: {target_pixel}")

# 判断黑白：计算灰度均值，阈值可根据图片实际情况调整
gray_value = numpy.mean(target_pixel)
if gray_value < 50:
    print("该像素为黑色")
elif gray_value > 200:
    print("该像素为白色")
else:
    print("该像素为灰色或其他颜色")

# 验证数组信息
print(f"像素数组形状: {img_array.shape}")

# 可选：对比显示原图和数组还原的图像，验证转换正确性
plt.subplot(121)
plt.imshow(small_img)
plt.title("PIL Image")
plt.subplot(122)
plt.imshow(img_array)
plt.title("NumPy Array Image")
plt.show()

补充说明 #

• 如果图片是灰度图，转成数组后会是(16,16)的单通道数组，访问像素直接用img_array[6,6]即可，判断逻辑更简单（值越小越黑，越大越白）。
• 示例中的阈值（50、200）可根据图片的明暗程度自行调整，确保判断准确。

内容的提问来源于stack exchange，提问作者abcd