opencv-PIL-matplotlib-Skimage-Pytorch图片读取区别与联系

世界静好 | 我心依然

opencv2

  • 图像类型:BGR
  • 数据类型:numpy
  • 元素类型:uint8
  • 通道格式:H,W,C
import cv2
import numpy as np

img = cv2.imread('image.jpg')      #读取图片
cv2.imshow('the window name',img)  #显示图像
cv2.waitKey()                      
CV2.imwrite('new_image.jpg',img)   #保存图片
print(type(img))   #数据类型(numpy)
print(img.dtype)   #元素类型(uint8)
print(img.shape)  #通道格式(H,W,C)
print(img.size)   #像素点数
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)  #BGR转RGB
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  #BGR转灰度图
gray = cv2.imread('image.jpg',cv2.IMREAD_GRAYSCALE)  #灰度图读取
image = cv2.resize(img,(100,200),interpolation=cv2.INTER_LINEAR) #resize
b,g,r = cv2.split(img)   #通道分离
merge_img = cv2.merge((b,g,r))   #通道合并

PIL

  • 图像类型:RGB
  • 数据类型:Image
  • 元素类型:uint8
  • 通道格式:H,W,C
from PIL import Image
import numpy as np

img = Image.open('image.jpg') #读取图片
img.show()  #展示图片
print(img_pil.mode)     #图像类型
print(img_pil.size)     #图像的宽高
img_arr = np.array(img)   #转为numpy形式,(H,W,C)
new_img = Image.fromarray(img_arr) #再转换为Image形式
new_img.save('newimage.jpg') #保存图片
gary = Image.open('image.jpg').convert('L')  #灰度图
r,g,b = img.split()  #通道的分离
img = Image.merge('RGB',(r,g,b))  #通道的合并
img_copy = img.copy()   #图像复制
img_resize = img.resize((w,h))   #resize

matplotlib

  • 图像类型:RGB
  • 数据类型:numpy
  • 元素类型:float
  • 通道格式:H,W,C
import matplotlib.pyplot as plt
import numpy as np 

img  = plt.imread('image.jpg') #读取图片
plt.imshow(img) 
plt.show()
plt.savefig('new_img.jpg')  #保存图片
img_r = img[:,:,0]   #灰度图
plt.imshow(img_r,cmap='Greys_r')  #显示灰度图

Skimage

  • 图像类型:RGB
  • 数据类型:numpy
  • 元素类型:uint8(三原色),float64(resize后或者灰度图,且为0~1)
  • 通道格式:H,W,C
import skimage
from skimage import io,transform

import numpy as np
image= io.imread('test.jpg',as_grey=False) #读取图片 False原图,True灰度图
print(type(img))   #数据类型(numpy)
print(img.dtype)   #元素类型(uint8)
print(img.shape)  #通道格式(H,W,C)
image = transform.resize(image,(h, w),order=1) # order默认是1,双线性

Pytorch.ToTensor

  • 接受对象:PIL Image或者numpy.ndarray
  • 接受格式:输入为H*W*C
  • 处理过程:自己转换为C*H*W,再转为float后每个像素除以255

各种库之间的转换

  • Tensor转为numpy:
    np.array(Tensor)
  • numpy转为Tensor:
    torch.from_numpy(numpy.darray)
  • PIL.Image.Image换成numpy:
    np.array(PIL.Image.Image)
  • numpy转成PIL.Image.Image:
    注意:保证numpy.ndarray 转换成np.uint8,numpy.astype(np.uint8),像素值[0,255];  
    灰度图像保证numpy.shape为(H,W),不能出现channels 
    这里需要np.squeeze()。  
    彩色图象保证numpy.shape为(H,W,3)```
    
  • PIL.Image.Image转换成Tensor:
    彩色图像
    img2=Image.open('1.tif').convert('RGB')
    import torchvision.transforms as  transforms
    trans=transforms.Compose([transforms.ToTensor()])
    a=trans(img2)
    a=np.array(a)
    maxi=a.max()
    a=a/maxi*255
    a=a.transpose(1,2,0).astype(np.uint8)
    b=Image.fromarray(a)
    b
    
  • PIL.Image转换成OpenCV
    import cv2  
    from PIL import Image  
    import numpy  
      
    image = Image.open("1.jpg")  
    image.show()  
    img = cv2.cvtColor(np.array(image),cv2.COLOR_RGB2BGR)  
    cv2.imshow("OpenCV",img)  
    cv2.waitKey()  
    

注释:cv2写图像时,灰度图像shape可以为(H,W)或(H,W,1)。彩色图像(H,W,3)
要从numpy.ndarray得到PIL.Image.Image,灰度图的shape必须为(H,W),彩色为(H,W,3)

推荐阅读更多精彩内容