PIL，cv2，plt读取和显示图像；组合多幅图像

1.PIL

（1） 用image.show()和image.save('PIL1.jpg')直接显示和保存PIL格式的image
（2） transforms.Compose.ToTensor()把PIL图像或者数组图像numpy.ndarry（WxHxC）从[0,255]转换到float型[0.0,1.0]的tensor；
（3） transforms.Compose.Normalize（Tensor,mean,std,inplace），比如transforms.Normalize([0.5,0.5,0.5], [0.5,0.5,0.5])说明三个通道的mean和std均是0.5.
（4） 保存arrayImage.fromarray(image).save('PIL.jpg')
array通过transforms.Compose转换为PIL后保存，unloader = transforms.ToPILImage() image = (unloader(image))
transforms.Compose.Resize()只能对PIL图像进行转换
（5） 结果如下：
PIL1和PIL显示

from PIL import Image
import torchvision.transforms as transforms
import numpy as np

image_path = 'E:/aboutVS/dataset/image/LIVE/gblur/img2.bmp'
transform = transforms.Compose([
    transforms.Resize(256),
    transforms.RandomResizedCrop(224,scale=(0.5,1.0)),
    transforms.ToTensor(),
    transforms.Normalize([0.5,0.5,0.5], [0.5,0.5,0.5])
])   #定义变换：resize+随机裁剪+totensor+归一化

im = Image.open(image_path,"r").convert('RGB')   # 读取为PIL图像
im.show()   # 直接显示PIL图像
image = (transform(im)).permute(1,2,0)  # 变为tensor
image = (image.data.numpy()*255).astype(np.uint8)    # array
Image.fromarray(image).save('PIL.jpg')   # 把array显示为图像
unloader = transforms.ToPILImage()   # array转换成PIL
image = (unloader(image))
image.show()
image.save('PIL1.jpg')   # 保存PIL图像

2. plt

（1） 用python mping.imread(image_path)读取得到array格式的图像;
pythontransforms.Compose会改变array的维度（WxHxC到CxWxH），所以之后需要用im = im.permute(1,2,0)恢复WxHxC;
（2） 通过im = (im.data.numpy()*255.).astype(np.uint8)将tensor转换为array，可以用misc.toimage(im).save('array.png')或Image.fromarray(im).save('array2.png')将array保存为图像；
（3） 用plt.imshow(im)绘制im，plt.savefig('plt.png')保存绘制的图像而非im，最后通过plt.show()实现可视化。

import torchvision.transforms as transforms
import matplotlib.image as mping   # 用于matlab读取图像
import matplotlib.pyplot as plt   # 用于matlab显示图像
import numpy as np
from PIL import Image
from scipy import misc

image_path = 'E:/aboutVS/dataset/image/LIVE/gblur/img2.bmp'
transform = transforms.Compose([
    transforms.ToPILImage(),
    transforms.Resize(256),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])   # transforms.Resize(256)的操作对象是PIL图像,所以先转换为PIL图像，再转换成tensor

# matplotlib的读取，显示，保存图像
im = mping.imread(image_path)   # W*H*C，array
im = transform(im)   # tensor,C*W*H
im = im.permute(1,2,0)   # permute()对tensor的维度做转换
im = (im.data.numpy()*255.).astype(np.uint8)   # array

misc.toimage(im).save('array.png')   # 将array保存为图像
Image.fromarray(im).save('array2.png')   # 将array保存为图像
# 可视化
plt.imshow(im)   # plt.imshow(im,cmap='gray'),显示灰度图
plt.axis('off')   # 不显示坐标轴
plt.savefig('plt.png')   # 把matplotlib画出的图像保存
plt.show()

plt绘制图像如下：

3. cv2

import torchvision.transforms as transforms
import numpy as np
import cv2

image_path = 'E:/aboutVS/dataset/image/LIVE/gblur/img2.bmp'
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize([0.5,0.5,0.5], [0.5,0.5,0.5])
])

# cv2的读取，显示，保存图像
img = cv2.imread(image_path)   # image转换为array，W*H*C
img = transform(img)   # array变为tensor，C*W*H
img = (img.numpy()*255).astype(np.uint8)   # tensor变为array，C*W*H
img = np.transpose(img,(1,2,0))   # array，W*H*C，np.transpose()转换array的维度
cv2.imshow('img', img)
cv2.imwrite('practise/cv2.jpg', img)
cv2.waitKey(0)

cv2图像

4. 不同图像组合

通过os.path.join()组合图像路径，Image.open读取图像，im.crop(x,y,z,r)对图像进行裁剪，裁剪位置由box1的参数控制；ref.paste()对图像进行组合，依次粘贴裁剪过的图像到对应位置，位置由box2的参数控制。

"""
        组合图像
"""

from PIL import Image
from argparse import ArgumentParser
import os
paraser = ArgumentParser(description="compose four different distortion")
paraser.add_argument("--path",type=str,default='E:/aboutVS/dataset/image/LIVE/wn/')
args = paraser.parse_args()

name_list = ('img173.bmp','img34.bmp','img1.bmp','img17.bmp')
ref = Image.open(os.path.join(args.path,name_list[3]))
for i in range(len(name_list)):
    im = Image.open(os.path.join(args.path,name_list[i]))
    w,h = im.size
    box1 = (int((w*i)/4),0,int((w*(i+1))/4),h)
    im = im.crop(box1)
    box2 = (int((w*i)/4),0,int((w*i)/4)+im.width,im.height)
    ref.paste(im, box2)
ref.show()  # 显示
# im.save()不能组合路径+文件名
ref.save('combination.png')   #保存

结果如下：