0

0

Python Protobuf图像数据处理与旋转教程

心靈之曲

心靈之曲

发布时间:2025-09-26 19:16:16

|

635人浏览过

|

来源于php中文网

原创

python protobuf图像数据处理与旋转教程

本教程旨在帮助开发者理解如何在Python中使用protobuf处理图像数据,特别是如何将protobuf中以bytes形式存储的图像数据转换为可操作的矩阵,并进行旋转操作。文章将详细介绍如何解析protobuf定义的图像结构,将bytes数据转换为图像矩阵,实现图像旋转,并将旋转后的数据重新封装为protobuf格式,同时提供示例代码和注意事项,助你轻松掌握protobuf图像处理的关键技术。

Protobuf图像数据结构解析

在protobuf中,图像数据通常以bytes类型存储,同时包含图像的宽度、高度以及是否为彩色图像等信息。 理解这些信息对于正确处理图像数据至关重要。以下是protobuf定义的Image消息的结构:

message Image {
    bool color = 1;
    bytes data = 2;
    int32 width = 3;
    int32 height = 4;
}

其中:

  • color: 布尔类型,表示图像是否为彩色图像。true表示彩色图像,false表示灰度图像。
  • data: 字节类型,存储图像的原始数据。
  • width: 整数类型,表示图像的宽度。
  • height: 整数类型,表示图像的高度。

将Bytes数据转换为图像矩阵

关键在于如何将bytes类型的数据转换为可操作的图像矩阵。根据图像是否为彩色图像,转换方式有所不同。

立即学习Python免费学习笔记(深入)”;

灰度图像

对于灰度图像,每个像素由一个字节表示。因此,可以将bytes数据直接转换为一个二维数组,其中每个元素代表一个像素的灰度值。

def bytes_to_grayscale_matrix(image):
    width = image.width
    height = image.height
    data = image.data
    matrix = []
    for i in range(height):
        row = []
        for j in range(width):
            row.append(data[i * width + j])
        matrix.append(row)
    return matrix

彩色图像

对于彩色图像,每个像素由三个字节表示,分别代表红色、绿色和蓝色分量(RGB)。因此,需要将bytes数据按照每三个字节一组进行分割,并将每组数据转换为一个包含三个元素的元组。

def bytes_to_rgb_matrix(image):
    width = image.width
    height = image.height
    data = image.data
    matrix = []
    for i in range(height):
        row = []
        for j in range(width):
            index = (i * width + j) * 3
            row.append((data[index], data[index + 1], data[index + 2]))
        matrix.append(row)
    return matrix

图像旋转实现

图像旋转的核心在于对图像矩阵进行旋转操作。以下代码展示了如何将图像矩阵逆时针旋转90度:

VidAU
VidAU

VidAU AI 是一款AI驱动的数字人视频创作平台,旨在简化视频内容创作流程

下载
def rotate_matrix_90(matrix):
    return [list(row) for row in zip(*matrix[::-1])]

可以根据需要实现其他角度的旋转,例如180度和270度。

将旋转后的矩阵转换回Bytes数据

旋转图像后,需要将旋转后的矩阵转换回bytes类型的数据,以便将其封装到protobuf消息中。

灰度图像

对于灰度图像,只需将矩阵中的所有元素依次添加到bytes对象中即可。

def grayscale_matrix_to_bytes(matrix):
    data = bytearray()
    for row in matrix:
        for pixel in row:
            data.append(pixel)
    return bytes(data)

彩色图像

对于彩色图像,需要将每个像素的RGB分量依次添加到bytes对象中。

def rgb_matrix_to_bytes(matrix):
    data = bytearray()
    for row in matrix:
        for pixel in row:
            data.append(pixel[0])
            data.append(pixel[1])
            data.append(pixel[2])
    return bytes(data)

完整示例代码

以下是一个完整的示例代码,展示了如何使用protobuf处理图像数据并进行旋转操作:

import grpc
import image_pb2
import image_pb2_grpc

from concurrent import futures

# gRPC service implementation
class ImageService(image_pb2_grpc.ImageServiceServicer):

    def RotateImage(self, request, context):

        # Ensure that the number of bytes matches expection: width*height*bytes(color)
        # Where bytes(color) = 1 (false) and 3 (true)
        got = request.image.width * request.image.height * (3 if request.image.color else 1)
        want = len(request.image.data)

        if got != want:
            context.set_code(grpc.StatusCode.INVALID_ARGUMENT)
            context.set_details("Image data size does not correspond to width, height and color")
            return request.image

        # If there's no rotation to perform, shortcut to returning the provided image
        if request.rotation == image_pb2.ImageRotateRequest.NONE:
            return request.image

        # Convert the image to a matrix
        matrix = []
        current = 0
        for y in range(request.image.height):
            row = []
            for x in range(request.image.width):
                if request.image.color:
                    # True (RGB) requires 3 bytes (use tuple)
                    pixel = (
                        request.image.data[current],
                        request.image.data[current+1],
                        request.image.data[current+2],
                    )
                    current += 3
                else:
                    # False (Grayscale) requires 1 byte
                    pixel = request.image.data[current]
                    current += 1

                row.append(pixel)
            # Append row
            matrix.append(row)


        if request.rotation == image_pb2.ImageRotateRequest.NINETY_DEG:
            matrix = list(zip(*matrix[::-1]))

        if request.rotation == image_pb2.ImageRotateRequest.ONE_EIGHTY_DEG:
            matrix = list(zip(*matrix[::-1]))
            matrix = list(zip(*matrix[::-1]))

        if request.rotation == image_pb2.ImageRotateRequest.TWO_SEVENTY_DEG:
            # Rotate counterclockwise
            matrix = list(zip(*matrix))[::-1]

        # Flatten the matrix
        pixels = []
        for y in range(request.image.height):
            for x in range(request.image.width):
                    if request.image.color:
                        pixels.extend(matrix[y][x])
                    else:
                        pixels.append(matrix[y][x])


        # Revert the flattened matrix to bytes
        data = bytes(pixels)

        # Return the rotated image in the response
        return image_pb2.Image(
            color=request.image.color,
            data=data,
            width=request.image.width,
            height=request.image.height,
        )


# gRPC server setup
def serve():
    server = grpc.server(futures.ThreadPoolExecutor(max_workers=10))
    image_pb2_grpc.add_ImageServiceServicer_to_server(ImageService(), server)
    server.add_insecure_port('[::]:50051')
    server.start()
    server.wait_for_termination()

if __name__ == '__main__':
    serve()

注意事项

  • 确保protobuf文件中定义的图像数据结构与实际数据一致,特别是宽度、高度和颜色信息。
  • 在进行图像旋转时,需要根据旋转角度调整图像的宽度和高度。
  • 在将矩阵转换回bytes数据时,需要根据图像的颜色类型选择正确的转换方式。
  • 在实际应用中,可以根据需要对图像进行其他处理,例如缩放、裁剪等。

总结

本教程详细介绍了如何使用Python处理protobuf中存储的图像数据,包括将bytes数据转换为图像矩阵、进行图像旋转以及将旋转后的矩阵转换回bytes数据。通过学习本教程,你将能够轻松地在Python中使用protobuf处理图像数据,并实现各种图像处理功能。

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

通义千问
通义千问

阿里巴巴推出的全能AI助手

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
treenode的用法
treenode的用法

​在计算机编程领域,TreeNode是一种常见的数据结构,通常用于构建树形结构。在不同的编程语言中,TreeNode可能有不同的实现方式和用法,通常用于表示树的节点信息。更多关于treenode相关问题详情请看本专题下面的文章。php中文网欢迎大家前来学习。

539

2023.12.01

C++ 高效算法与数据结构
C++ 高效算法与数据结构

本专题讲解 C++ 中常用算法与数据结构的实现与优化,涵盖排序算法(快速排序、归并排序)、查找算法、图算法、动态规划、贪心算法等,并结合实际案例分析如何选择最优算法来提高程序效率。通过深入理解数据结构(链表、树、堆、哈希表等),帮助开发者提升 在复杂应用中的算法设计与性能优化能力。

21

2025.12.22

深入理解算法:高效算法与数据结构专题
深入理解算法:高效算法与数据结构专题

本专题专注于算法与数据结构的核心概念,适合想深入理解并提升编程能力的开发者。专题内容包括常见数据结构的实现与应用,如数组、链表、栈、队列、哈希表、树、图等;以及高效的排序算法、搜索算法、动态规划等经典算法。通过详细的讲解与复杂度分析,帮助开发者不仅能熟练运用这些基础知识,还能在实际编程中优化性能,提高代码的执行效率。本专题适合准备面试的开发者,也适合希望提高算法思维的编程爱好者。

31

2026.01.06

go语言 注释编码
go语言 注释编码

本专题整合了go语言注释、注释规范等等内容,阅读专题下面的文章了解更多详细内容。

30

2026.01.31

go语言 math包
go语言 math包

本专题整合了go语言math包相关内容,阅读专题下面的文章了解更多详细内容。

17

2026.01.31

go语言输入函数
go语言输入函数

本专题整合了go语言输入相关教程内容,阅读专题下面的文章了解更多详细内容。

16

2026.01.31

golang 循环遍历
golang 循环遍历

本专题整合了golang循环遍历相关教程,阅读专题下面的文章了解更多详细内容。

5

2026.01.31

Golang人工智能合集
Golang人工智能合集

本专题整合了Golang人工智能相关内容,阅读专题下面的文章了解更多详细内容。

5

2026.01.31

2026赚钱平台入口大全
2026赚钱平台入口大全

2026年最新赚钱平台入口汇总,涵盖任务众包、内容创作、电商运营、技能变现等多类正规渠道,助你轻松开启副业增收之路。阅读专题下面的文章了解更多详细内容。

253

2026.01.31

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
最新Python教程 从入门到精通
最新Python教程 从入门到精通

共4课时 | 22.4万人学习

Django 教程
Django 教程

共28课时 | 3.8万人学习

SciPy 教程
SciPy 教程

共10课时 | 1.4万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号