如何用numpy将PIL加载的PNG图像转为0-1浮点数组并解决只读报错

你碰到数组只读的报错，本质是numpy.asarray()包装PIL图像时，直接共享了PIL底层托管的像素内存块，生成的是只读视图而非独立可写的数组副本，自然无法原地修改数值。另外你写的三层嵌套循环逐像素做除法的写法，属于在Python解释器层做逐元素运算，效率极低，完全是多余的操作。

不需要手动写任何循环，几行代码就能生成符合结构要求的可写浮点数组，效率比三层循环高几个数量级：

• 核心思路：利用NumPy的广播逐元素运算，加载数组时直接生成独立的新内存块，既绕开只读权限限制，又一次性完成像素值归一化
• 实用提示：常规图像归一化的通用除数是255，而非你用的256；除以255可以把0-255的整数像素完整映射到0.0~1.0的浮点区间，除以256的话最大像素值只能到0.996，达不到满量程1.0
• 可直接运行的代码：

from PIL import Image
from numpy import asarray, float32

# 打开PNG文件
img = Image.open("filename.png")

# 可选：如果需要单通道灰度的16x16x1结构，加这行把图像转成8位灰度模式
# img = img.convert("L")

# 转成32位浮点数组直接逐元素除以255，生成的是独立可写的新数组，不存在只读问题
pixel_array = asarray(img).astype(float32) / 255.0

# 如果是灰度图需要补长度为1的通道维度，加这行即可得到16x16x1的结构
# pixel_array = pixel_array[..., None]

• 补充说明：如果确实需要操作整数格式的像素数组，可以在转数组时显式调用.copy()生成独立内存副本，例如asarray(img).copy()，得到的数组就没有只读限制。但针对你这个归一化需求，直接生成浮点数组的方案是最省内存、运行最快的。

Python标准库没有内置的高层PNG解码接口，但可以基于自带的zlib、struct模块，实现针对常见PNG的解码，最终生成你需要的嵌套列表结构：

• 实现步骤：
  1. 按PNG文件规范逐块读取：先解析文件头，再依次读取IHDR图像信息块、IDAT压缩图像数据块、IEND结束块，提取出图像宽高、颜色类型、位深参数
  2. 调用zlib.decompress()解压IDAT块的压缩像素流，逐行还原PNG自带的行过滤算法，得到未压缩的原始像素值
  3. 按结构要求把原始像素拼接成嵌套列表：三通道真彩图像就拼成图像高度 x 图像宽度 x 3的嵌套结构，单通道灰度图就拼成图像高度 x 图像宽度 x 1的嵌套结构
  4. 遍历所有像素值除以255转成浮点数即可，因为是纯Python原生列表，完全不存在只读权限的限制
• 注意事项：这个纯标准库方案仅能处理无交错存储、8位位深、无透明通道、无调色板的普通PNG，遇到带复杂格式的PNG需要补充对应的解码逻辑，通用性不如PIL。

内容的提问来源于stack exchange，提问作者gator