PyMuPDF转 numpy

要将 PyMuPDF 中的 PDF 页面转换为 numpy 格式，可以使用以下代码：

import fitz
import numpy as np

# 打开 PDF 文件，选择第一页
doc = fitz.open("example.pdf")
page = doc[0]

# 获取页面的像素数据
pix = page.getPixmap()

# 将像素数据转换为 numpy 数组
np_arr = np.frombuffer(pix.samples, dtype=np.uint8).reshape(pix.height, pix.width, pix.n)

# 如果需要将 RGB 数据转换为灰度图，可以使用以下代码
gray_arr = np.dot(np_arr[...,:3], [0.2989, 0.5870, 0.1140])

其中，`np.frombuffer` 方法将像素数据转换为 numpy 数组，`reshape` 方法将一维数组转换为三维数组，最后得到的 `np_arr` 是一个三维数组，表示图片的高度、宽度和通道数。如果需要将 RGB 图像转换为灰度图，可以使用 `np.dot` 方法进行转换。

相关问题

tensor转numpy

在PyTorch中，我们可以使用`numpy()`方法将Tensor转换为NumPy数组。示例如下：

import torch

# 创建一个Tensor
x = torch.randn(3, 4)

# 将Tensor转换为NumPy数组
x_np = x.numpy()

print(type(x_np))  # 输出：<class 'numpy.ndarray'>

注意：将Tensor转换为NumPy数组时，如果Tensor在GPU上，需要先将其移回CPU上再转换。例如：

import torch

# 创建一个Tensor，并将其移动到GPU上
x = torch.randn(3, 4).cuda()

# 将Tensor移回CPU上，并转换为NumPy数组
x_np = x.cpu().numpy()

print(type(x_np))  # 输出：<class 'numpy.ndarray'>

同样地，在TensorFlow中，我们可以使用`numpy()`方法将Tensor转换为NumPy数组。示例如下：

import tensorflow as tf

# 创建一个Tensor
x = tf.constant([[1.0, 2.0], [3.0, 4.0]])

# 将Tensor转换为NumPy数组
x_np = x.numpy()

print(type(x_np))  # 输出：<class 'numpy.ndarray'>

同样需要注意的是，将Tensor转换为NumPy数组时，如果Tensor在GPU上，需要先将其移回CPU上再转换。例如：

import tensorflow as tf

# 创建一个Tensor，并将其移动到GPU上
x = tf.constant([[1.0, 2.0], [3.0, 4.0]]).gpu()

# 将Tensor移回CPU上，并转换为NumPy数组
x_np = x.cpu().numpy()

print(type(x_np))  # 输出：<class 'numpy.ndarray'>

dataframe转numpy

以下是两种将DataFrame转换为Numpy数组的方法：

1. 使用DataFrame的values[^1]：

array = df.values
print(array)

2 使用DataFrame的to_numpy()方法[^2]：

array = df.to_numpy()
print(array)

这两种方法都可以将DataFrame转换为Numpy数组。你可以根据自己的需求选择其中一种方法来使用。