opencv、matplotlib、pillow和pytorch读取数据的通道顺序
文章目录：
- 1 opencv读取数据的通道顺序
-
- 1.1 opencv读取数据相关说明
- 1.2 显示opencv读取的数据
- 1.3 把opencv读取的BGR转换RGB的三种方式
- 2 matplotlib读取数据的通道顺序
-
- 2.1 matplotlib读取数据相关说明
- 2.2 把numpy数组类型转换为pillow类型
- 3 pillow读取数据的通道顺序
-
- 3.1 pillow读取数据相关说明
- 3.2 把pillow类型转换为numpy类型
- 4 pytorch读取数据的通道顺序
- 5 全部完整代码
1 opencv读取数据的通道顺序
1.1 opencv读取数据相关说明
- opencv默认读取的
颜色通道顺序是：BGR - opencv读取的
数据类型是numpy数组，是uint8的整型数据，范围为0-255
import cv2
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
import torch
from torchvision import datasets, models, transforms
#1 opencv读取数据的通道顺序 默认读取的颜色通道是BGR 数据通道顺序是 hwc
def opencv_channel(img_path, show_mode=1):
image = cv2.imread(img_path)
print(f"image type: {type(image)}, image shape: {image.shape}") # image shape: (305, 500, 3) h w c
# image type: , image shape: (305, 500, 3)
print(f"image type: {image.dtype}") # image type: uint8
print(f"min value: {np.min(image)}, max value: {np.max(image)}") # min value: 0, max value: 255
if show_mode == 1:
# 如果用matplotlib显示opencv读取的图片，图片会发蓝，这是因为opencv读取的颜色通道顺序是BGR，而matplotlib读取的颜色通道顺序是RGB
plt.imshow(image)
plt.title("opencv BGR")
plt.show()
elif show_mode == 2:
cv2.imshow("image", image)
cv2.waitKey(0)
# 使用plt正确显示opencv读取的数据，需要改变颜色通道顺序 BGR2RGB
# 下面三种方法都可以 把opencv读取的BGR颜色通道顺序 更改为 RGB颜色通道顺序
# 方法一：
cvColor_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 方法二：
b, g, r = cv2.split(image)
cvColor_image2 = cv2.merge([r, g, b])
# 方法三：
cvColor_image3 = image[:, :, :: -1]
if show_mode == 1:
plt.imshow(cvColor_image)
plt.title("BGR2RGB")
plt.show()
elif show_mode == 2:
cv2.imshow("image", cvColor_image)
cv2.waitKey(0)
if __name__ == '__main__':
img_path = "./bee.jpg"
opencv_channel(img_path)
1.2 显示opencv读取的数据
1、使用cv2.imshow()
这种显示的是正常的
2、使用plt.imshow()显示opencv读取数据
你会发现显示如下，这是因为plt默认显示的颜色通道顺序为RGB，因此我们需要把opencv读取的数据从BGR转换为RGB
1.3 把opencv读取的BGR转换RGB的三种方式
1、方法一：
cvColor_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
2、方法二：
b, g, r = cv2.split(image)
cvColor_image2 = cv2.merge([r, g, b])
3、方法三：
cvColor_image3 = image[:, :, :: -1]
把BGR转换为RGB之后，再用plt.imshow()进行显示，可以发现颜色已经正常了！
2 matplotlib读取数据的通道顺序
2.1 matplotlib读取数据相关说明
plt.imread()默认读取的颜色通道顺序是：RGBplt.imread()读取的数据类型是numpy数组，是uint8的整型数据，范围为0-255
import cv2
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
import torch
from torchvision import datasets, models, transforms
#2 matplotlib读取数据的通道顺序 默认读取的颜色通道是RGB 数据通道顺序是 hwc
def plt_channel(img_path):
image = plt.imread(img_path)
print(f"image type: {type(image)}, image shape: {image.shape}")
# image type: , image shape: (305, 500, 3) h w c
plt.imshow(image)
plt.title("plt image")
plt.show()
# 可以把numpy数据转换为pillow数据
pil_image = Image.fromarray(image)
plt.imshow(pil_image)
plt.title("numpy convert to pillow type")
plt.show()
if __name__ == '__main__':
img_path = "./bee.jpg"
plt_channel(img_path)
显示结果如下：
2.2 把numpy数组类型转换为pillow类型
也可以把plt读取的numpy数组类型转化为pillow类型：
pil_image = Image.fromarray(image)
3 pillow读取数据的通道顺序
3.1 pillow读取数据相关说明
pillow默认读取的颜色通道顺序是：RGBpillow有自己的数据结构的，但是可以转换成numpy数组，转换后的数组为unit8，0-255
import cv2
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
import torch
from torchvision import datasets, models, transforms
#3 pillow读取数据的通道顺序
def pillow_channel(img_path, show_mode=1):
image = Image.open(img_path)
print(f"image mode: {image.mode}") # image mode: RGB
print(f"image type: {type(image)}, image shape: {image.size}")
# image type: , image shape: (500, 305) w, h
if show_mode == 1:
plt.imshow(image)
plt.title("pillow image")
plt.show()
elif show_mode == 2:
image.show()
# 把pillow数据转换为numpy数据
np_image = np.array(image)
print(f"image type: {type(np_image)}, image shape: {np_image.shape}")
# image type: , image shape: (305, 500, 3) h w c
plt.imshow(np_image)
plt.title("pillow convert to numpy type")
plt.show()
if __name__ == '__main__':
img_path = "./bee.jpg"
pillow_channel(img_path)
因为，pillow默认读取图片的颜色通道也是RGB，因此用plt显示的时候是没有问题的！显示结果如下：
3.2 把pillow类型转换为numpy类型
把pillow类型的数据转换为numpy数组类型数据：
np_image = np.array(image)
4 pytorch读取数据的通道顺序
- pytorch 读取数据类型为tensor
- pytorch读取数据类型的通道顺序为：
NCHW
import cv2
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
import torch
from torchvision import datasets, models, transforms
#4 pytorch读取数据的通道顺序
def torch_channel(imgs_dir):
# 1、数据增强
train_data_transforms = transforms.Compose([
transforms.RandomResizedCrop(224),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),
])
# 2、从目录中读取数据集
# 存放数据的目录
root_data_dir = imgs_dir
train_datasets = datasets.ImageFolder(root_data_dir, train_data_transforms)
# 3、加载数据增强后的数据
train_dataloaders = torch.utils.data.DataLoader(train_datasets,
batch_size=2,
shuffle=True,
num_workers=0)
# 遍历读取数据
for inputs, labels in train_dataloaders:
print(f"inputs shape: {inputs.shape}")
print(f"labels shape: {labels.shape}")
'''
# 输出结果：
inputs shape: torch.Size([2, 3, 224, 224]) bs, c, h, w 即：NCHW， tensorflow读取的顺序为NHWC
labels shape: torch.Size([2])
inputs shape: torch.Size([2, 3, 224, 224])
labels shape: torch.Size([2])
inputs shape: torch.Size([2, 3, 224, 224])
labels shape: torch.Size([2])
inputs shape: torch.Size([2, 3, 224, 224])
labels shape: torch.Size([2])
'''
# 可视化其中的图片，batch_size=2, 因此每个batch中有存储两张图片的数据
# 先把tensor类型转换为numpy类型
np_inputs = inputs.numpy()
print(f"np_inputs type: {type(np_inputs)}, np_inputs shape: {np_inputs.shape}")
# np_inputs type: , np_inputs shape: (2, 3, 224, 224)
# 更改图片的数据的通道顺序， NCHW 改为 NHWC 0123 0231
np_change_channel = np_inputs.transpose(0, 2, 3, 1 )
print(f"np_change_channel type: {type(np_change_channel)}, np_change_channel shape: {np_change_channel.shape}")
# np_change_channel type: , np_change_channel shape: (2, 224, 224, 3)
# 显示图片，这里把每个batch中的两张图片放到一起显示
out_image = np.hstack((np_change_channel[0], np_change_channel[1]))
# # 如果用opencv显示需要再在转换一下颜色空间，转换为BGR，因为torchvision内部是基于Pillow实现的，默认是RGB颜色通道
# out_image = cv2.cvtColor(out_image, cv2.COLOR_RGB2BGR)
# cv2.imshow("image", out_image)
# cv2.waitKey(0)
plt.imshow(out_image)
plt.title("pytorch tensor convert to numpy data")
plt.show()
if __name__ == '__main__':
imgs_dir = './hymenoptera/train'
torch_channel(imgs_dir)
5 全部完整代码
完整代码如下：
'''
比较 opencv、matplotlib、pillow 和 pytorch读取数据的通道顺序
'''
__Author__ = "Shliang"
__Email__ = "[email protected]"
import cv2
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
import torch
from torchvision import datasets, models, transforms
#1 opencv读取数据的通道顺序 默认读取的颜色通道是BGR 数据通道顺序是 hwc
def opencv_channel(img_path, show_mode=1):
image = cv2.imread(img_path)
print(f"image type: {type(image)}, image shape: {image.shape}") # image shape: (305, 500, 3) h w c
# image type: , image shape: (305, 500, 3)
print(f"image type: {image.dtype}") # image type: uint8
print(f"min value: {np.min(image)}, max value: {np.max(image)}") # min value: 0, max value: 255
if show_mode == 1:
# 如果用matplotlib显示opencv读取的图片，图片会发蓝，这是因为opencv读取的颜色通道顺序是BGR，而matplotlib读取的颜色通道顺序是RGB
plt.imshow(image)
plt.title("opencv BGR")
plt.show()
elif show_mode == 2:
cv2.imshow("image", image)
cv2.waitKey(0)
# 使用plt正确显示opencv读取的数据，需要改变颜色通道顺序 BGR2RGB
# 下面三种方法都可以 把opencv读取的BGR颜色通道顺序 更改为 RGB颜色通道顺序
# 方法一：
cvColor_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 方法二：
b, g, r = cv2.split(image)
cvColor_image2 = cv2.merge([r, g, b])
# 方法三：
cvColor_image3 = image[:, :, :: -1]
if show_mode == 1:
plt.imshow(cvColor_image)
plt.title("BGR2RGB")
plt.show()
elif show_mode == 2:
cv2.imshow("image", cvColor_image)
cv2.waitKey(0)
#2 matplotlib读取数据的通道顺序 默认读取的颜色通道是RGB 数据通道顺序是 hwc
def plt_channel(img_path):
image = plt.imread(img_path)
print(f"image type: {type(image)}, image shape: {image.shape}")
# image type: , image shape: (305, 500, 3) h w c
plt.imshow(image)
plt.title("plt image")
plt.show()
# 可以把numpy数据转换为pillow数据
pil_image = Image.fromarray(image)
plt.imshow(pil_image)
plt.title("numpy convert to pillow type")
plt.show()
#3 pillow读取数据的通道顺序
def pillow_channel(img_path, show_mode=1):
image = Image.open(img_path)
print(f"image mode: {image.mode}") # image mode: RGB
print(f"image type: {type(image)}, image shape: {image.size}")
# image type: , image shape: (500, 305) w, h
if show_mode == 1:
plt.imshow(image)
plt.title("pillow image")
plt.show()
elif show_mode == 2:
image.show()
# 把pillow数据转换为numpy数据
np_image = np.array(image)
print(f"image type: {type(np_image)}, image shape: {np_image.shape}")
# image type: , image shape: (305, 500, 3) h w c
plt.imshow(np_image)
plt.title("pillow convert to numpy type")
plt.show()
#4 pytorch读取数据的通道顺序
def torch_channel(imgs_dir):
# 1、数据增强
train_data_transforms = transforms.Compose([
transforms.RandomResizedCrop(224),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),
])
# 2、从目录中读取数据集
# 存放数据的目录
root_data_dir = imgs_dir
train_datasets = datasets.ImageFolder(root_data_dir, train_data_transforms)
# 3、加载数据增强后的数据
train_dataloaders = torch.utils.data.DataLoader(train_datasets,
batch_size=2,
shuffle=True,
num_workers=0)
# 遍历读取数据
for inputs, labels in train_dataloaders:
print(f"inputs shape: {inputs.shape}")
print(f"labels shape: {labels.shape}")
'''
# 输出结果：
inputs shape: torch.Size([2, 3, 224, 224]) bs, c, h, w 即：NCHW， tensorflow读取的顺序为NHWC
labels shape: torch.Size([2])
inputs shape: torch.Size([2, 3, 224, 224])
labels shape: torch.Size([2])
inputs shape: torch.Size([2, 3, 224, 224])
labels shape: torch.Size([2])
inputs shape: torch.Size([2, 3, 224, 224])
labels shape: torch.Size([2])
'''
# 可视化其中的图片，batch_size=2, 因此每个batch中有存储两张图片的数据
# 先把tensor类型转换为numpy类型
np_inputs = inputs.numpy()
print(f"np_inputs type: {type(np_inputs)}, np_inputs shape: {np_inputs.shape}")
# np_inputs type: , np_inputs shape: (2, 3, 224, 224)
# 更改图片的数据的通道顺序， NCHW 改为 NHWC 0123 0231
np_change_channel = np_inputs.transpose(0, 2, 3, 1 )
print(f"np_change_channel type: {type(np_change_channel)}, np_change_channel shape: {np_change_channel.shape}")
# np_change_channel type: , np_change_channel shape: (2, 224, 224, 3)
# 显示图片，这里把每个batch中的两张图片放到一起显示
out_image = np.hstack((np_change_channel[0], np_change_channel[1]))
# # 如果用opencv显示需要再在转换一下颜色空间，转换为BGR，因为torchvision内部是基于Pillow实现的，默认是RGB颜色通道
# out_image = cv2.cvtColor(out_image, cv2.COLOR_RGB2BGR)
# cv2.imshow("image", out_image)
# cv2.waitKey(0)
plt.imshow(out_image)
plt.title("pytorch tensor convert to numpy data")
plt.show()
if __name__ == '__main__':
img_path = "./bee.jpg"
opencv_channel(img_path)
plt_channel(img_path)
pillow_channel(img_path)
imgs_dir = './hymenoptera/train'
torch_channel(imgs_dir)
参考：https://www.cnblogs.com/ranjiewen/p/10278234.html
参考：https://blog.csdn.net/cxx654/article/details/104237214 # 还有imagei和scipy
参考：https://blog.csdn.net/qq_36941368/article/details/82998296
参考：https://blog.csdn.net/oLingFengYu/article/details/88033668 # 不同框架通道顺序
