使用PIL将I;16格式图像转JPEG遇异常：全白/全黑问题求助

看起来你遇到的问题核心是16位有符号整数（I;16）的数值范围没有正确映射到JPEG支持的8位无符号整数，而且直接修改PIL图像的mode会导致数值解析错误，咱们一步步来解决：

问题根源分析 #

1. 第一种方法直接convert("RGB")失败：
   PIL的I;16模式是16位有符号整数，数值范围通常是-32768到32767。直接转RGB时，PIL会把这些值当作32位整数处理，大部分像素值远超过8位图像的0-255范围，所以显示全白。

2. 第二种方法可视化正常但保存JPEG全黑：
   你手动把mode改成I（32位无符号整数）后，原来的负数会被解析成极大的正数（比如-1变成4294967295），虽然point(lambda i:i*(1./256))在可视化时被matplotlib的cmap处理成了正常的灰度，但PIL保存JPEG时无法正确识别这种错误映射后的数值，导致输出全黑。

正确的处理方案 #

我们先通过numpy处理16位有符号整数的数值范围，将其映射到0-255的8位无符号整数，再交给PIL处理，这样既保证可视化正常，也能正确保存JPEG：

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

# 加载pickle中的DICOM像素数组
ims = pickle.load(open("pixel_array.pickle", "rb"))

# 先确认数据信息（可选，但有助于排查问题）
print(f"原始数据类型: {ims.dtype}")
print(f"原始数值范围: {ims.min()} 到 {ims.max()}")

# 方法1：用百分位拉伸对比度（避免极端噪声影响，接近医学图像的自动窗宽窗位）
p1 = np.percentile(ims, 1)  # 1%分位数
p99 = np.percentile(ims, 99) # 99%分位数
# 把超出百分位范围的像素值截断，再归一化到0-255
normalized_data = np.clip(ims, p1, p99)
normalized_data = ((normalized_data - p1) / (p99 - p1)) * 255
# 转换为8位无符号整数
ims_8bit = normalized_data.astype(np.uint8)

# 用PIL创建图像并保存
img = Image.fromarray(ims_8bit)
print(f"转换后图像模式: {img.mode}")
img.save('my.jpeg')

# 可视化验证
fig, ax = plt.subplots(figsize=(20, 10))
ax.imshow(img, cmap=plt.cm.bone)
fig.show()

可选优化：手动设置窗宽窗位 #

如果你知道胸部X光的标准窗宽窗位（通常窗宽1500，窗位-500），可以替换上面的百分位处理部分，得到更专业的医学图像效果：

# 手动设置窗宽窗位
window_width = 1500
window_center = -500
lower = window_center - window_width / 2
upper = window_center + window_width / 2

# 截断并归一化
normalized_data = np.clip(ims, lower, upper)
normalized_data = ((normalized_data - lower) / (upper - lower)) * 255
ims_8bit = normalized_data.astype(np.uint8)

为什么这个方案有效？ #

我们先通过numpy完成数值范围的映射，把16位有符号整数转换成标准的8位无符号整数，再交给PIL处理。这样PIL不需要处理复杂的16位有符号格式，无论是保存JPEG还是可视化都能正常工作。

内容的提问来源于stack exchange，提问作者DarioB