python对比图像的区别方法：首先使用【pylab.imread】读取图片；然后使用【matplotlib.pylab - plt.imshow】显示图片；接着灰度图与RGB图相互转换；最后保存图片即可。
【相关学习推荐：python教程】
python对比图像的区别方法：
一、读取图片
pylab.imread和PIL.Image.open读入的都是RBG顺序，
立即学习“Python免费学习笔记（深入）”；
而cv2.imread读入的是BGR顺序，混合使用的时候要特备注意
1 matplotlib.pylab
import pylab as plt
import numpy as np
img = plt.imread('examples.png')
print(type(img), img.dtype, np.min(img), np.max(img))
[out]
(<type 'numpy.ndarray'>, dtype('float32'), 0.0, 1.0) # matplotlib读取进来的图片是float，0-12 PIL.image.open
from PIL import Image
import numpy as np
img = Image.open('examples.png')
print(type(img), np.min(img), np.max(img))
img = np.array(img) # 将PIL格式图片转为numpy格式
print(type(img), img.dtype, np.min(img), np.max(img))
[out]
(<class 'PIL.PngImagePlugin.PngImageFile'>, 0, 255) # 注意，PIL是有自己的数据结构的，但是可以转换成numpy数组
(<type 'numpy.ndarray'>, dtype('uint8'), 0, 255) # 和用matplotlib读取不同，PIL和matlab相同，读进来图片和其存储在硬盘的样子是一样的，uint8，0-2553 cv2.imread
import cv2
import numpy as np
img = cv2.imread('examples.png') # 默认是读入为彩色图，即使原图是灰度图也会复制成三个相同的通道变成彩色图
img_gray = cv2.imread('examples.png', 0) # 第二个参数为0的时候读入为灰度图，即使原图是彩色图也会转成灰度图
print(type(img), img.dtype, np.min(img), np.max(img))
print(img.shape)
print(img_gray.shape)
[out]
(<type 'numpy.ndarray'>, dtype('uint8'), 0, 255) # opencv读进来的是numpy数组，类型是uint8，0-255
(824, 987, 3) # 彩色图3通道
(824, 987) # 灰度图单通道import cv2
import pylab as plt
from PIL import Image
import numpy as np
img_plt = plt.imread('examples.png')
img_pil = Image.open('examples.png')
img_cv = cv2.imread('examples.png')
print(img_plt[125, 555, :])
print(np.array(img_pil)[125, 555, :] / 255.0)
print(img_cv[125, 555, :] / 255.0)
[out]
[ 0.61176473 0.3764706 0.29019609]
[ 0.61176471 0.37647059 0.29019608]
[ 0.29019608 0.37647059 0.61176471] # opencv的是BGR顺序二、显示图片
python-flask-vue-creator
下载
创建 Flask + Vue.js 全栈项目，采用单端口架构、uv 依赖管理、结构化日志和生产级前端设计。当用户要求以下操作时触发：创建新的 Flask+Vue 项目、搭建 Web 应用、构建全栈 Python+Vue 应用、初始化 Flask Web 项目、设置单端口 Flask 前后端项目。触发词：新建项目、创建项目、搭建项目、Flask项目、Vue项目。
1、matplotlib.pylab - plt.imshow，这个函数的实际上就是将一个numpy数组格式的RGB图像显示出来
import pylab as plt
import numpy as np
img = plt.imread('examples.png')
plt.imshow(img)
plt.show()import pylab as plt
from PIL import Image
import numpy as np
img = Image.open('examples.png')
img_gray = img.convert('L') #转换成灰度图像
img = np.array(img)
img_gray = np.array(img_gray)
plt.imshow(img) # or plt.imshow(img / 255.0)，matplotlib和matlab一样，如果是float类型的图像，范围是0-1才能正常imshow，如果是uint8图像，范围则需要是0-255
plt.show()
plt.imshow(img_gray, cmap=plt.gray()) # 显示灰度图要设置cmap参数
plt.show()
plt.imshow(Image.open('examples.png')) # 实际上plt.imshow可以直接显示PIL格式图像
plt.show()import pylab as plt
import cv2
import numpy as np
img = cv2.imread('examples.png')
plt.imshow(img[..., -1::-1]) # 因为opencv读取进来的是bgr顺序呢的，而imshow需要的是rgb顺序，因此需要先反过来
plt.show()2 cv2显示图片
import cv2
image2=cv2.imread(r"test/aaa/0002/0002_0_1.jpg")
cv2.imshow("1",image2)
cv2.waitKey(0)三、灰度图-RGB图相互转换
1 PIL.Image
from PIL import Image
img = Image.open('examples.png')
img_gray = img.convert('L') # RGB转换成灰度图像
img_rgb = img_gray.convert('RGB') # 灰度转RGB
print(img)
print(img_gray)
print(img_rgb)
[out]
<PIL.PngImagePlugin.PngImageFile image mode=RGB size=987x824 at 0x7FC2CCAE04D0>
<PIL.Image.Image image mode=L size=987x824 at 0x7FC2CCAE0990>
<PIL.Image.Image image mode=RGB size=987x824 at 0x7FC2CCAE0250>2 cv2（注意，opencv在读入图片的时候就可以通过参数实现颜色通道的转换，下面是用别的方式实现）
import cv2
import pylab as plt
img = cv2.imread('examples.png')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # BGR转灰度
img_bgr = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2BGR) # 灰度转BRG
img_rgb = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2RGB) # 也可以灰度转RGB四、保存图片
1 PIL.image - 保存PIL格式的图片
from PIL import Image
img = Image.open('examples.png')
img.save('examples2.png')
img_gray = img.convert('L')
img_gray.save('examples_gray.png') # 不管是灰度还是彩色，直接用save函数保存就可以，但注意，只有PIL格式的图片能够用save函数2 cv2.imwrite - 保存numpy格式的图片
import cv2
img = cv2.imread('examples.png') # 这是BGR图片
cv2.imwrite('examples2.png', img) # 这里也应该用BGR图片保存，这里要非常注意，因为用pylab或PIL读入的图片都是RGB的，如果要用opencv存图片就必须做一个转换
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imwrite('examples_gray.png', img_gray)想了解更多相关学习，敬请关注php培训栏目！
