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)