目錄
- 一、前言
- 二、opencv——cv2.imread
- 三、PIL——PIL.Image.open
- 四、matplotlib——matplotlib.image.imread
- 五、scipy.misc——scipy.misc.imread
- 六、skimage——skimage.io.imread
- 七、Tensorflow——tf.image.decode
- 八、總結
- #、參考文章
一、前言
在研究深度學習計算機視覺的時候，經常需要進行圖像讀取，但是各種第三方庫的方法又不一樣，用的時候又有點萌萌的，不知道有什么區別，比較常用的就是
OpenCV
和
PIL
的
Image
，但是在格式上也總是有各種各樣的問題，所以這一次就好好總結主流Python圖像庫的一些基本使用方法和需要注意的地方。
1. Opencv
2. PIL（pillow）
3. matplotlib.image
4. scipy.misc
5. skimage
6. Tensorflow
二、opencv——cv2.imread
OpenCV作為最常用的圖像處理庫，實現了圖像處理和計算機視覺方面的很多通用算法，可以說是很全面和強大了。如果你只想掌握一個圖像庫的話，OpenCV是你的最佳選擇。
注意 ：
- OpenCV 讀進來的圖片已經是一個 numpy 矩陣了，彩色圖片維度是高度、寬度、通道數(height,width,channels)，數據類型是 uint8 。
- OpenCV 讀進來的圖片的通道排列是 BGR ，而不是主流的 RGB ，需要轉換才能變成 RGB 。
- OpenCV 讀取灰度圖的時候，可以直接參數讀取灰度圖；或者先讀入彩色圖，再轉灰度圖。
import
cv2
import
matplotlib
.
pyplot
as
plt
# 讀入圖片：默認彩色圖，cv2.IMREAD_GRAYSCALE灰度圖，cv2.IMREAD_UNCHANGED包含alpha通道
img
=
cv2
.
imread
(
'2.jpg'
)
gray
=
cv2
.
cvtColor
(
img
,
cv2
.
COLOR_BGR2GRAY
)
# 轉換為灰度圖
img_rgb
=
cv2
.
cvtColor
(
img
,
cv2
.
COLOR_BGR2RGB
)
# 轉換為RGB
# plt顯示圖像
plt
.
subplot
(
131
)
plt
.
imshow
(
img
)
plt
.
title
(
'img'
)
plt
.
axis
(
'off'
)
plt
.
subplot
(
132
)
plt
.
imshow
(
gray
)
plt
.
title
(
'gray'
)
plt
.
axis
(
'off'
)
plt
.
subplot
(
133
)
plt
.
imshow
(
img_rgb
)
plt
.
title
(
'img_rgb'
)
plt
.
axis
(
'off'
)
plt
.
show
(
)
# cv2顯示圖像
cv2
.
imshow
(
'src'
,
img
)
cv2
.
imshow
(
'gray'
,
gray
)
cv2
.
imshow
(
'RGB'
,
img_rgb
)
print
(
img
.
shape
)
# (h,w,c)
print
(
img
.
size
)
# 像素總數目
print
(
img
.
dtype
)
# 像素類型
print
(
gray
.
shape
)
print
(
gray
.
size
)
print
(
gray
.
dtype
)
cv2
.
imwrite
(
'test.jpg'
,
img_rgb
)
# 保存圖像
cv2
.
waitKey
(
)
# 一直顯示
# (336, 500, 3)
# 504000
# uint8
# (336, 500)
# 168000
# uint8
plt
顯示圖像：
cv2
顯示圖像：
細心的同學發現一個問題，
plt
和
cv2
顯示圖像顏色恰好是相反的，這是一個接口的問題，因為
plt
是RGB接口的，但是
cv2
是BGR接口的，所以
plt
顯示的是正確的顏色，也就是‘BGR’、灰度圖、‘RGB’，但是
cv2
顯示就是相反的顏色。
除此之外，OpenCV 對于讀進來的圖片的通道排列是 BGR ，而不是主流的 RGB ，這也是它最被人詬病的地方，容易出錯，千萬要注意。
# opencv讀入的矩陣是BGR，轉為RGB
# img_cv2(BGR) --> img_rgb(RGB)
img_cv2
=
cv2
.
imread
(
'1.jpg'
)
img_rgb
=
cv2
.
cvtColor
(
img_cv2
,
cv2
.
COLOR_BGR2RGB
)
OpenCV 讀取灰度圖的時候，可以直接參數讀取灰度圖；或者先讀入彩色圖，再轉灰度圖。
import
cv2
# 直接參數讀取灰度圖
gray1
=
cv2
.
imread
(
'1.jpg'
,
cv2
.
IMREAD_GRAYSCALE
)
# 灰度圖
cv2
.
imshow
(
'gray1'
,
gray1
)
# 也可以這么寫，先讀入彩色圖，再轉灰度圖
src
=
cv2
.
imread
(
'1.jpg'
)
gray2
=
cv2
.
cvtColor
(
src
,
cv2
.
COLOR_BGR2GRAY
)
cv2
.
imshow
(
'gray2'
,
gray2
)
cv2
.
waitKey
(
)
兩種讀取灰度圖方法的結果是完全相同的。
正常情況下，我們的圖片是0-255的，但是有時候我們需要歸一化處理為0~1。
# opencv讀入的圖片矩陣數值是0到255
import
cv2
img_norm
=
cv2
.
imread
(
'1.jpg'
)
img_norm
=
img_norm
.
astype
(
"float"
)
/
255.0
# 注意需要先轉化數據類型為float
print
(
img_norm
.
dtype
)
print
(
img_norm
)
cv2
.
imshow
(
'img_norm'
,
img_norm
)
cv2
.
waitKey
(
)
# float64
[
[
[
0.88235294
0.89019608
0.86666667
]
[
0.88235294
0.88627451
0.87058824
]
[
0.8745098
0.87843137
0.8627451
]
.
.
.
.
.
.
[
0
.
0.08235294
0.10588235
]
[
0
.
0.02745098
0.04705882
]
[
0
.
0.03137255
0.04313725
]
]
]
OpenCV如何進行存儲圖片呢？使用
cv2.imwrite
函數即可。
# 存儲圖片
cv2
.
imwrite
(
'test1.jpg'
,
img_norm
)
# 得到的是全黑的圖片，因為我們把它歸一化了
# 所以要得到可視化的圖，需要先*255還原
img_test
=
img_norm
*
255
cv2
.
imwrite
(
'test2.jpg'
,
img_test
)
# 這樣就可以看到彩色原圖了
三、PIL——PIL.Image.open
PIL 即 Python Imaging Library，也即為我們所稱的 Pillow，已經是 Python 平臺事實上的圖像處理標準庫了。PIL 功能非常強大，但API卻非常簡單易用。它比 OpenCV 更為輕巧，正因如此，它深受大眾的喜愛。
from
PIL
import
Image
import
numpy
as
np
img
=
Image
.
open
(
'1.jpg'
)
print
(
img
.
format
)
print
(
img
.
size
)
# 注意，省略了通道。 (w，h)
print
(
img
.
mode
)
# L為灰度圖，RGB為真彩色,RGBA為加了透明通道
img
.
show
(
)
# 顯示圖片
gray
=
img
.
convert
(
'L'
)
# 轉化為灰度圖
print
(
gray
.
mode
)
# L為灰度圖，RGB為真彩色,RGBA為加了透明通道
gray
.
show
(
)
# pillow讀進來的圖片不是矩陣，我們將圖片轉矩陣
arr
=
np
.
array
(
img
)
print
(
arr
.
shape
)
print
(
arr
.
dtype
)
print
(
arr
)
# 灰度圖的轉化與彩圖轉化一樣
arr_gray
=
np
.
array
(
gray
)
print
(
arr_gray
.
shape
)
print
(
arr_gray
.
dtype
)
print
(
arr_gray
)
# 矩陣再轉為圖像,進行存儲
new_im
=
Image
.
fromarray
(
arr
)
new_im
.
save
(
'test.png'
)
# JPEG
# (500, 336)
# RGB
# L
# (336, 500, 3)
# uint8
[
[
[
221
227
225
]
[
222
226
225
]
[
220
224
223
]
.
.
.
.
.
.
[
27
21
0
]
[
12
7
0
]
[
11
8
0
]
]
]
# (336, 500)
# uint8
[
[
224
224
222
.
.
.
223
223
223
]
[
226
225
224
.
.
.
222
222
222
]
[
225
225
225
.
.
.
222
222
222
]
.
.
.
[
240
242
245
.
.
.
1
1
5
]
[
242
239
242
.
.
.
10
2
5
]
[
236
229
232
.
.
.
20
7
7
]
]
四、matplotlib——matplotlib.image.imread
Matplotlib 是 Python 的 2D 繪圖庫，它以各種硬拷貝格式和跨平臺的交互式環境生成出版質量級別的圖形。 它可與 NumPy 一起使用，提供了一種有效的 MatLab 開源替代方案。
import
matplotlib
.
pyplot
as
plt
image
=
plt
.
imread
(
'1.jpg'
)
plt
.
imshow
(
image
)
plt
.
show
(
)
image2
=
plt
.
imread
(
'1.jpg'
)
plt
.
imshow
(
image2
)
plt
.
axis
(
'off'
)
# 也可以關閉顯示x，y軸上的數字
plt
.
show
(
)
# plt.imread讀入的就是一個矩陣，跟opencv一樣，但彩圖讀進的是RGB，與opencv有區別
print
(
image
.
shape
)
# (h,w,c)
print
(
image
.
size
)
print
(
image
.
dtype
)
print
(
image
)
# (336, 500, 3)
# 504000
# uint8
[
[
[
221
227
225
]
[
222
226
225
]
[
220
224
223
]
.
.
.
.
.
.
[
27
21
0
]
[
12
7
0
]
[
11
8
0
]
]
]
import
matplotlib
.
pyplot
as
plt
image
=
plt
.
imread
(
'1.jpg'
)
im_r
=
image
[
:
,
:
,
0
]
# 紅色通道
plt
.
imshow
(
im_r
)
plt
.
show
(
)
# 此時會發現顯示的是熱量圖，不是我們預想的灰度圖，可以添加 cmap 參數解決
plt
.
imshow
(
im_r
,
cmap
=
'Greys_r'
)
plt
.
show
(
)
# 與opencv結合使用
import
cv2
import
matplotlib
.
pyplot
as
plt
image2
=
cv2
.
imread
(
'1.jpg'
)
plt
.
imshow
(
image2
)
plt
.
axis
(
'off'
)
plt
.
show
(
)
# 發現圖像顏色怪怪的，原因是我們前面提到的cv2讀取圖片時的RGB順序不同的原因，轉換一下就可以了
image2
=
cv2
.
cvtColor
(
image2
,
cv2
.
COLOR_BGR2RGB
)
plt
.
imshow
(
image2
)
plt
.
axis
(
'off'
)
plt
.
show
(
)
# 所以無論用什么庫讀進圖片，只要把圖片改為矩陣，那么matplotlib就可以處理了
# pillow和matplotlib結合
from
PIL
import
Image
import
numpy
as
np
import
matplotlib
.
pyplot
as
plt
image3
=
Image
.
open
(
'1.jpg'
)
image3
=
np
.
array
(
image3
)
plt
.
figure
(
)
plt
.
imshow
(
image3
)
plt
.
axis
(
'off'
)
# 存儲圖像，注意，必須在show之前savefig，否則存儲的圖片一片空白
plt
.
savefig
(
'timo.jpg'
)
plt
.
show
(
)
如果先
plt.show
，再
plt.savefig
，保存的圖片就是全白色的。
import
matplotlib
.
pyplot
as
plt
im_1
=
plt
.
imread
(
'1.jpg'
)
im_2
=
plt
.
imread
(
'2.jpg'
)
figure
=
plt
.
figure
(
figsize
=
(
10
,
5
)
)
# 調整顯示圖片的大小
''' figsize參數：指定繪圖對象的寬度和高度，單位為英寸； dpi參數指定繪圖對象的分辨率，即每英寸多少個像素，缺省值為80。 因此本例中所創建的圖表窗口的寬度為10*80 = 800像素 '''
plt
.
axis
(
"off"
)
# 不顯示刻度
ax
=
figure
.
add_subplot
(
121
)
# 圖片以1行2列的形式顯示
plt
.
axis
(
'off'
)
ax
.
imshow
(
im_1
)
# 第一張圖
ax
.
set_title
(
'image 1'
)
# 給圖片加titile
ax
=
figure
.
add_subplot
(
122
)
plt
.
axis
(
'off'
)
ax
.
imshow
(
im_2
)
# 第二張圖
ax
.
set_title
(
'image 2'
)
# 給圖片加titile
plt
.
savefig
(
'twp.jpg'
)
plt
.
show
(
)
五、scipy.misc——scipy.misc.imread
from
scipy
import
misc
import
matplotlib
.
pyplot
as
plt
im
=
misc
.
imread
(
'1.jpg'
)
print
(
im
.
dtype
)
print
(
im
.
size
)
print
(
im
.
shape
)
# 存儲圖像，這個不需要先存儲，和前面不一樣
misc
.
imsave
(
'misc1.png'
,
im
)
plt
.
imshow
(
im
)
plt
.
show
(
)
print
(
im
)
# uint8
# 504000
# (336, 500, 3)
[
[
[
221
227
225
]
[
222
226
225
]
[
220
224
223
]
.
.
.
.
.
.
[
27
21
0
]
[
12
7
0
]
[
11
8
0
]
]
]
六、skimage——skimage.io.imread
from
skimage
import
io
image
=
io
.
imread
(
'1.jpg'
)
print
(
image
.
shape
)
# numpy矩陣，(h,w,c)
print
(
image
.
dtype
)
print
(
image
.
size
)
io
.
imshow
(
image
)
# 存儲圖像，這個不需要先存儲，和前面不一樣
io
.
imsave
(
'sk.png'
,
image
)
io
.
show
(
)
print
(
image
)
# (336, 500, 3)
# uint8
# 504000
[
[
[
221
227
225
]
[
222
226
225
]
[
220
224
223
]
.
.
.
.
.
.
[
27
21
0
]
[
12
7
0
]
[
11
8
0
]
]
]
from
skimage
import
io
# from skimage import color
image2
=
io
.
imread
(
'1.jpg'
,
as_grey
=
True
)
# 讀入灰度圖
# image3 = io.imread('1.jpg')
# image3 = color.rgb2grey(image3)
''' skimage.color.rgb2grey(rgb) skimage.color.rgb2hsv(rgb) skimage.color.rgb2lab(rgb) skimage.color.gray2rgb(image) skimage.color.hsv2rgb(hsv) skimage.color.lab2rgb(lab) '''
print
(
image2
.
dtype
)
print
(
image2
.
size
)
print
(
image2
.
shape
)
io
.
imshow
(
image2
)
io
.
imsave
(
'sk_gray.png'
,
image2
)
io
.
show
(
)
print
(
image2
)
# float64
# 168000
# (336, 500)
[
[
0.88463059
0.88265843
0.87481529
.
.
.
0.87390667
0.87390667
0.87390667
]
[
0.89247373
0.88658
0.88265843
.
.
.
0.87307333
0.87307333
0.87307333
]
[
0.88658
0.88658
0.8843251
.
.
.
0.87253765
0.87253765
0.87253765
]
.
.
.
[
0.94454039
0.95238353
0.96414824
.
.
.
0.00333333
0.00361608
0.01876667
]
[
0.95238353
0.94061882
0.95238353
.
.
.
0.04138824
0.01061098
0.01872196
]
[
0.92885412
0.90140314
0.91316784
.
.
.
0.08141529
0.02963843
0.03161059
]
]
七、Tensorflow——tf.image.decode
tf.image.decode
是一系列的函數：
-
tf.image.decode_bmp
channels = ?
0：使用BMP編碼圖像中的通道數量。
3：輸出RGB圖像。
4：輸出RGBA圖像。
-
tf.image.decode_jpeg
channels = ?
0：使用JPEG編碼圖像中的通道數量。
1：輸出灰度圖像。
3：輸出RGB圖像。
-
tf.image.decode_png
channels = ?
0：使用PNG編碼圖像中的通道數量。
1：輸出灰度圖像。
3：輸出RGB圖像。
4：輸出RGBA圖像。
實例推薦博客——TensorFlow圖像數據處理函數——圖像大小調整（最全面的可運行的代碼）
八、總結
TensorFlow 的讀取方式使用的比較少，除了 TensorFlow 之外，大都是比較熱門的方法。
除了 OpenCV 讀入的彩色圖片以 BGR 順序存儲外，其他所有圖像庫讀入彩色圖片都以 RGB 存儲。
除了 PIL 讀入的圖片是 img 類之外，其他庫讀進來的圖片都是以 numpy 矩陣。
綜合來看，還是 OpenCV 的性能更好，更推薦使用。
#、參考文章
- Python各類圖像庫的圖片讀寫方式總結
- https://www.w3cschool.cn/tensorflow_python/
- 官方API文檔
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
