如何使用Java简单从图像中获取像素数据数组

以下是不同开发环境下的常用实现方式，可根据你的技术栈直接复用：

Python（图像分析首选生态） #

Python是图像分析场景最常用的开发语言，以下三个库都可以快速完成图像到像素数组的转换：

• Pillow 库（轻量首选）
  安装命令：pip install pillow
  示例代码：

  from PIL import Image
  import numpy as np
  
  # 读入图像
  img = Image.open("test.jpg")
  # 转换为numpy数组，shape为(高度, 宽度, 通道数)，RGB图像通道数为3
  pixel_array = np.array(img)
  

• OpenCV 库（适合后续需要做CV处理的场景）
  安装命令：pip install opencv-python
  示例代码：

  import cv2
  
  # 读入图像，默认返回BGR顺序的三维数组
  pixel_array = cv2.imread("test.jpg")
  # 如需转换为RGB顺序，执行以下代码
  # pixel_array = cv2.cvtColor(pixel_array, cv2.COLOR_BGR2RGB)
  

• scikit-image 库（适合科学计算场景）
  安装命令：pip install scikit-image
  示例代码：

  from skimage import io
  
  # 直接返回RGB顺序的numpy数组
  pixel_array = io.imread("test.jpg")
  

其他语言实现参考 #

• JavaScript
  浏览器端可通过Canvas API实现：

  const img = document.getElementById('target-img')
  const canvas = document.createElement('canvas')
  canvas.width = img.width
  canvas.height = img.height
  const ctx = canvas.getContext('2d')
  ctx.drawImage(img, 0, 0)
  // 返回扁平化RGBA数组，顺序为每个像素的R、G、B、A依次排列
  const pixelArray = ctx.getImageData(0, 0, img.width, img.height).data
  

  Node.js 环境可使用sharp库实现：
  安装命令：npm install sharp
  示例代码：

  const sharp = require('sharp')
  sharp('test.jpg')
    .raw()
    .toBuffer((err, buffer, info) => {
      // buffer即为像素数据，info包含宽、高、通道数信息
      const pixelArray = new Uint8Array(buffer)
    })
  

• C++
  可通过OpenCV库实现，读入图像得到的cv::Mat类本身就是像素数组的封装，可直接按行/按像素访问：

  #include <opencv2/opencv.hpp>
  using namespace cv;
  
  int main() {
    Mat img = imread("test.jpg");
    // 访问第row行第col列的蓝色通道值（OpenCV默认BGR顺序）
    uchar blue_val = img.ptr<uchar>(row)[col * 3];
    return 0;
  }
  

常见注意事项 #

• 通道顺序差异：OpenCV默认读入为BGR通道顺序，Pillow、scikit-image等库默认是RGB顺序，做分析前要确认通道顺序匹配需求，避免颜色异常。
• 透明通道处理：PNG等带透明通道的图像读入后会生成4通道（RGBA）数组，不需要透明通道时可主动丢弃第四维数据。
• 数据类型转换：默认读入的像素值为0-255范围的uint8类型，如需归一化处理可手动转换为float类型后除以255。
• 大图像优化：分辨率超过10000*10000的大图建议使用分块读取逻辑，避免一次性加载导致内存溢出。

内容的提问来源于stack exchange，提问作者Fofo