推荐网站:
OpenCV
Matplotlib
Pillow
Opencv, Matplotlib, PIL以及三者之间的转换
1. Opencv
opencv的基本图像类型可以和numpy数组相互转化,因此可以直接调用torch.from_numpy(img)
将图像转换成tensor
- 读取:
img=cv2.imread(path)
OpenCV读取图像后返回的是一个代表图像的numpy.ndarray
,采用的格式是(H,W,C)
,通道顺序为BGR
, 取值范围[0,255]
,dtype=uint8
。
import cv2
def read_img_cv(path):
img_cv=cv2.imread(path)
return img_cv
- 显示:
cv2.imshow(name,img)
import cv2
def show_img_cv(img_cv):
cv2.imshow("Image", img_cv)
cv2.waitKey(0) # 暂停显示图片,数字0代表按键后 0 ms执行
- 保存:
cv2.imwrite(path, img)
import cv2
def save_img_cv(img_cv,path):
cv2.imwrite(path, img_cv) # 保存图片
2. Matplotlib
matplotlib 是python仿照matlab绘图开发的图像绘制库。使用matplotlib绘图时,可以读取tesnor
和numpy
数据类型。
- 读取:
img=mpimg.imread(path)
如果是灰度图:返回(H,W)形状的数组
如果是RGB图像,返回(H, W, 3) 形状的数组,图片通道顺序为RGB
如果是RGBA图像,返回(H.W, 4) 形状的数组, 图片通道顺序为RGBA
此外,PNG 图像以浮点数组 (0-1) dtype=float32
的形式返回,所有其他格式都作为 int 型数组dtype=uint8
返回,位深由具体图像决定。
import matplotlib.image as mpimg
def read_img_mat(path):
img_mat=mpimg.imread(path)
return img_mat
- 显示:
plt.imshow(img)
plt.show()
- 显示彩色图
import matplotlib.pyplot as plt
# 如果在jupyter notebook中显示,需要添加如下一行代码
%matplotlib inline
def show_img_mat(img_mat):
plt.imshow(img_mat)
plt.axis('off')
plt.show()
- 显示灰度图
matplotlib显示图像,默认以三通道显示图像,我们需要在plt.imshow()里添加参数gray
。
def show_img_gray(img_gray):
plt.imshow(img_gray,cmap='gray')
plt.axis('off')
plt.show()
- 显示
Image
类型图片
def show_img_pil(img_pil):
plt.imshow(img_pil)
plt.axis('off')
plt.show()
- 保存:
plt.imsave(name,img)
def save_img_pil(img_pil,name):
plt.imsave(name,img_pil)
3. PIL
PIL是python对于图像处理的基本库。
图像的模式如下图,比如1
: 二值图,L
灰度图,P
: 8位彩色图,RGB
:24位彩色图(每个通道8位)例如jpg
图像,RGBA
: 相比RGB多了alpha通道(不透明度)例如png
图像
可以使用img.convert(mode)
转换模式。
- 读取: img=Image.open(path)
读到的是一个PIL.xxxImageFIie
的类型。
import PIL
from PIL import Image
def read_img_pil(path):
img_pil=Image.open(path) # PIL Image 类型
return img_pil
- 显示:
image.show()
def show_img_pil(img_pil):
img_pil.show()
- 保存:
image.save(path)
def save_img_pil(img_pil,path):
img_pil.save(path)
4. 三者的区别和相互转换
三者的区别
- Opencv 的数据类型是
Numpy数组
,通道顺序为BGR
- Matplotlib 的数据类型是
Numpy数组
, 通道顺序是RGB
- PIL 的数据类型是
PIL.Image类
,通道顺序是RGB
三种图像处理库相互转换
Opencv
和Matplotlib
之间的相互转换
# cv->mat
def cv2mat(img_cv):
img_mat=cv2.cvtColor(img_cv,cv2.COLOR_BGR2RGB) # 将颜色通道从BGR改变成RGB
# 另一种等价写法
# img_mat=img_cv[:,:,::-1]
return img_mat
def mat2cv(img_mat): # 将颜色通道从RGB改变成BGR
img_cv=img_mat[:,:,::-1]
return img_cv
Matplotlib
和PIL
之间的相互转换
np.asarry(img)
img->array
Image.fromarray(array)
array->img
# mat->PIL
#方法1:三通道的转换
def mat2PIL_RGB(img_mat):
img_pil=Image.fromarray(img_mat.astype('uint8'))
# unit8 是无符号的8位整形,用astype [0,255]截断处理
# 另外一种写法
# img_pil= Image.fromarray(np.unit8(img_mat))
return img_pil
# 方法2: 四通道的转换
def mat2PIL_RGBA(img_mat):
img_pil=Image.fromarray(img_mat.astype('uint8')).convert('RGB')
return img_pil
# 方法三:使用torchvision的库函数
from torchvision import transforms
def mat2PIL_trans(img_mat):
trans=transformers.ToPILImage()
img_pil=trans(img_mat)
return img_pil
'''PIL->mat'''
def PIL2mat(img_pil):
img_mat=np.array(img_pil) # 深拷贝
# 如果是jpg格式,通道顺序是RGB, (H,W,3)
# 如果是png格式,通道顺序是RGBA, (H,W,4)
# 返回的类型均是`numpy.ndarray`, `dtype=unit8`, 取值返回[0,255]
# 或者也可以采用浅拷贝
# img_mat=np.asarray(img_pil)
return img_mat
'''区间变换'''
# [0,255]->[0,1]
def PIL2mat_norm(img_pil):
img_mat=np.asarray(img_pil)/255.0
return img_mat
# [0,1]->[0,255]
def mat_255(img_mat):
img_mat=(np.maximum(img_mat, 0) / img_mat.max()) * 255.0
img_mat=np.unit8(img_mat)
Opencv
和PIL
之间的相互转换
# cv->PIL
#方法1:三通道的转换
def cv2PIL_RGB(img_cv):
img_rgb = img_cv[:,:,::-1] # OpenCV 的通道顺序为 BGR, 转换成RGB
# nparray
img_pil= Image.fromarray(np.uint8(img_rgb))
return img_pil
# 方法2: 四通道的转换
def cv2PIL_RGBA(img_cv):
img_rgb = img_cv[:,:,::-1]
img_pil=Image.fromarray(img_rgb.astype('uint8')).convert('RGB')
return img_pil
# 方法三:使用torchvision的库函数
from torchvision import transforms
def cv2PIL_trans(img_cv):
img_rgb = img_cv[:,:,::-1]
trans=transformers.ToPILImage()
img_pil=trans(img_rgb)
return img_pil
# PIL->cv
def PIL2cv(img_pil):
img_ary=np.array(img_pil) # 深拷贝,通道顺序是 RGB, (H,W,C)
# 或者也可以采用深拷贝
# img_ary=np.asarray(img_pil)
img_cv=img_ary[:,:,-1]
return img_cv
三种格式和Tensor之间的相互转换
- numpy格式转成Tensor
import torch
def nparray2tensor(npary):
ts=torch.from_numpy(npary)
# 如果需要修改成浮点类型
# ts=torch.from_numpy(npary).float()
return ts
- PIL和numpy格式转成Tensor
可以利用torchvision 中transforms.ToTensor()
该函数可以将PIL 中的Image
或者numpy.ndarray(dtype=unit8)
: 大小(H,W,C)
、范围[0,255]
转化成torch.FloatTensor
: 大小(C,H,W)
、范围[0.0,1.0]
from torchvision import transforms
# img_pil: Image
trans=transforms.ToTensor()
tens=trans(img_pil) # (C,H,W) [0.0,1,0]
# tens_hwc=tens.transpose((1,2,0))
5. Torchvision 中的相关转换库
5.1 ToPILImage([mode])
CLASS
torchvision.transforms.ToPILImage(mode=None)
-
功能
将tensor或ndarray转换为PIL图像——这不会缩放值。这个转换不支持torchscript。
转换形状为
C x H x W
的torch.*Tensor
或形状为H x W x C
的numpy ndarray
到PIL图像
,同时保留值范围。 -
参数
-
mode(PIL.Image mode)
输入数据的颜色空间和像素深度(可选)。mode为None时(默认)对输入数据有如下假设 :
- 输入为4通道时,假设模式为RGBA。
- 如果输入为3通道,则假设为RGB模式。
- 输入为2路时,假设为LA模式。
- 如果输入有1个通道,模式由数据类型(即int、float、short)确定。
-
5.2 ToTensor
CLASS
torchvision.transforms.ToTensor
-
功能:
将PIL图像或ndarray转换为tensor,并相应地缩放。这个转换不支持torchscript。
转换
PIL Image
或在[0,255]
区间内的numpy.ndarray (H x W x C)
到[0.0,1.0]
区间内的torch.FloatTensor (C x H x W)
。其中PIL Image属于其中一种模式(L, LA, P, I, F, RGB, YCbCr, RGBA, CMYK, 1)
;如果numpy.Ndarray的dtype = np.uint8
在其他情况下,张量在不缩放的情况下返回。
5.3 PILToTensor
CLASS
torchvision.transforms.PILToTensor
-
功能
将PIL图像转换为相同类型的张量-这不会缩放值。这个转换不支持torchscript。
将
PIL Image (H x W x C)
转换为形状(C x H x W)
的张量。
对JPG和PNG读取和写入
特性 | OpenCV | Matplotlib | Pillow |
---|---|---|---|
文件读写 | cv2.imread/imwrite | plt.imread/imsave | Image.open/save |
颜色空间 | BGR | RGB | RGB |
透明度支持 | 仅 PNG | PNG 和 JPG | PNG 和 JPG |
压缩 | 有损 | 无损 | 有损/无损 |
适用场景 | 图像处理/分析 | 图像显示/可视化 | 图像处理/编辑 |
备注:
RGB(红绿蓝)和BGR(蓝绿红)是两种表示颜色的方式,它们在像素颜色的排列上有所不同。
RGB 表示红、绿、蓝三个通道,通常按照顺序排列为 (R, G, B)。
BGR 表示蓝、绿、红三个通道,通常按照顺序排列为 (B, G, R)。
opencv
import cv2
# 打开PNG图片文件
png_image = cv2.imread('image.png', cv2.IMREAD_UNCHANGED) # 使用cv2.IMREAD_UNCHANGED标志以保持透明度信息
# 打开JPG图片文件
jpg_image = cv2.imread('image.jpg')
# 创建新的图像(例如:创建一个黑色的200x200图片)
import numpy as np
new_image = np.zeros((200, 200, 3), dtype=np.uint8) # 创建一个全为黑色的图像
# 保存PNG图像
cv2.imwrite('new_image.png', new_image)
# 保存JPG图像
cv2.imwrite('new_image.jpg', new_image)
matplotlib
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import numpy as np
# 打开PNG图片文件
png_image = mpimg.imread('image.png')
plt.imshow(png_image)
plt.axis('off') # 关闭坐标轴
plt.savefig('saved_image.png', bbox_inches='tight', pad_inches=0) # 保存为PNG格式
# 打开JPG图片文件
jpg_image = mpimg.imread('image.jpg')
plt.imshow(jpg_image)
plt.axis('off') # 关闭坐标轴
plt.savefig('saved_image.jpg', bbox_inches='tight', pad_inches=0) # 保存为JPG格式
# 创建一个新的图像(例如:创建一个红色的200x200图像)
new_image = np.zeros((200, 200, 3), dtype=np.uint8)
new_image[:, :] = [255, 0, 0] # 将新图像设为红色
# 保存新图像为PNG格式
plt.imshow(new_image)
plt.axis('off') # 关闭坐标轴
plt.savefig('new_image.png', bbox_inches='tight', pad_inches=0)
# 保存新图像为JPG格式
plt.imshow(new_image)
plt.axis('off') # 关闭坐标轴
plt.savefig('new_image.jpg', bbox_inches='tight', pad_inches=0)
pillow
from PIL import Image
# 打开PNG图片文件
png_image = Image.open('image.png')
# 打开JPG图片文件
jpg_image = Image.open('image.jpg')
# 创建新的图像(例如:创建一个红色的200x200图像)
new_image = Image.new('RGB', (200, 200), color = (255, 0, 0))
# 保存PNG图像
new_image.save('new_image.png')
# 保存JPG图像
new_image.save('new_image.jpg')
解读二
pillow opencv matplotlib读写图片有什么区别
from PIL import Image
import numpy as np
import cv2
from matplotlib import pyplot as plt
file_path = '1.png'
读彩色图像
区别:
- opencv-python读出来的是BGR颜色通道的
- PIL读出的是PIL类格式的,而cv和plt是numpy数组
# 读取彩色图像 都是H×W×C
img1 = cv2.imread(file_path) # BGR
img2 = plt.imread(file_path) # RGB
img3 = np.array(Image.open(file_path)) # RGB
BRG和RGB格式互转
# 用opencv-python
image_rgb = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2RGB)
image_bgr = cv2.cvtColor(image_rgb, cv2.COLOR_RGB2BGR)
# 利用数组切片
# 因为shape是H×W×C,BGR倒着读就是RGB
image_rgb = image_bgr[:, :, ::-1]
读灰色图像
区别:
- plt没法读取时设置读灰色图像,但是可以在plt.imshow()的时候设置按照灰度图显示
# 以灰度图方式读取
img4 = cv2.imread(file_path, flags=cv.IMREAD_GRAYSCALE)
img6 = np.array(Image.open(file_path).convert("L"))
# img5 = plt.imread(file_path)
# plt没法以灰度方式读取,只能在imshow的时候以灰度方式显示plt.imshow(a, cmap='viridis', interpolation='nearest')
opencv的flags参数
常数 | 值 | 效果 |
---|---|---|
cv2.IMREAD_COLOR | 1 | 读取图像时保留颜色通道(默认值) |
cv2.IMREAD_GRAYSCALE | 0 | 以灰度模式读取图像 |
cv2.IMREAD_UNCHANGED | -1 | 以包含 alpha 通道的方式读取图像 |
保存图像
matplotlib:
plt保存原理是先创建画板,然后把图像绘制上去。
这会导致保存图像出现白边,以及像素大小与想要的大小不符的现象。不推荐使用!!
plt.imshow(image)
plt.savefig('output.png', bbox_inches='tight', transparent=True, dpi=300, figsize=(6, 4))
opencv:
简单好用
cv2.imwrite("output.jpg", img) # img是numpy数组
pillow:
必须先转PIL对象才能保存
# 使用PIL保存NumPy数组为图像
image = Image.fromarray(numpy_array)
# 保存图像
image.save("output.png")
显示图像
区别:
- PIL调用系统默认的图片查看工具
- opencv和matplotlib有自己的可视化工具,且matplotlib可以集成在Pycharm的SciView
# PIL
image = Image.open("image.jpg")
image.show()
# opencv
image = cv2.imread("image.jpg")
cv2.imshow("Image", image)
cv2.waitKey(0) # 修改等待时间可以用于展示视频帧
cv2.destroyAllWindows()
# matplotlib
plt.imshow(img)
plt.show()