cv2图像总结_gse240429-CSDN博客

本文链接：https://blog.csdn.net/qq_45759229/article/details/141654006

我今天发现cv2读进来的图像是BRG格式的，和其他的方式不同

import cv2 
import matplotlib.pyplot as plt 
image_path = "./GSE240429_data/image/GEX_C73_A1_Merged.tiff"
img1 = cv2.imread(image_path)
print(img1.shape)
plt.imshow(img1, cmap='gray')  # 如果是灰度图像，可以使用 cmap='gray'
#plt.axis('off')  # 隐藏坐标轴
plt.show()

在这里插入图片描述

img1[0:3,0:3]

在这里插入图片描述

BRB转RGB

import numpy as np 
rgb_img = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB) 
print(rgb_img.shape)
plt.imshow(rgb_img, cmap='gray')  # 如果是灰度图像，可以使用 cmap='gray'
#plt.axis('off')  # 隐藏坐标轴
plt.show()

结果如下
在这里插入图片描述

tiff显示

import matplotlib.pyplot as plt
import tifffile as tiff

image_path = "./GSE240429_data/image/GEX_C73_A1_Merged.tiff"
# 读取TIFF图像
img2 = tiff.imread(image_path)
# 显示图像
plt.imshow(img2, cmap='gray')  # 如果是灰度图像，可以使用 cmap='gray'
plt.axis('off')  # 隐藏坐标轴
plt.show()

print(img2.shape)

在这里插入图片描述
可以看到，这个图像使用tiff读取后面是这样的结果

np.transpose

import numpy as np 
# 假设我们有一个形状为(高度, 宽度, 通道)的图像数组
image = np.random.rand(100, 200, 3)

# 使用transpose()转换维度以匹配模型输入
image_transposed = image.transpose(2, 0, 1)
print("转换维度后的图像形状:", image_transposed.shape)

在这里插入图片描述