python對比圖像區別的方法

小編給大家分享一下python對比圖像區別的方法，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

python對比圖像的區別方法：首先使用【pylab.imread】讀取圖片；然后使用【matplotlib.pylab - plt.imshow】顯示圖片；接著灰度圖與RGB圖相互轉換；最后保存圖片即可。

python對比圖像的區別方法：

一、讀取圖片

pylab.imread和PIL.Image.open讀入的都是RBG順序，

而cv2.imread讀入的是BGR順序，混合使用的時候要特備注意

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讀取進來的圖片是float，0-1

2 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)     # 將PIL格式圖片轉為numpy格式
print(type(img), img.dtype, np.min(img), np.max(img))
[out]
(<class 'PIL.PngImagePlugin.PngImageFile'>, 0, 255)    # 注意，PIL是有自己的數據結構的，但是可以轉換成numpy數組
(<type 'numpy.ndarray'>, dtype('uint8'), 0, 255)    # 和用matplotlib讀取不同，PIL和matlab相同，讀進來圖片和其存儲在硬盤的樣子是一樣的，uint8，0-255

3 cv2.imread

import cv2
import numpy as np
img = cv2.imread('examples.png')    # 默認是讀入為彩色圖，即使原圖是灰度圖也會復制成三個相同的通道變成彩色圖
img_gray = cv2.imread('examples.png', 0)    # 第二個參數為0的時候讀入為灰度圖，即使原圖是彩色圖也會轉成灰度圖
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讀進來的是numpy數組，類型是uint8，0-255
(824, 987, 3)    # 彩色圖3通道
(824, 987)    # 灰度圖單通道

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順序

二、顯示圖片

1、matplotlib.pylab - plt.imshow，這個函數的實際上就是將一個numpy數組格式的RGB圖像顯示出來

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')    #轉換成灰度圖像
img = np.array(img)
img_gray = np.array(img_gray)
plt.imshow(img)    # or plt.imshow(img / 255.0)，matplotlib和matlab一樣，如果是float類型的圖像，范圍是0-1才能正常imshow，如果是uint8圖像，范圍則需要是0-255
plt.show()
plt.imshow(img_gray, cmap=plt.gray())    # 顯示灰度圖要設置cmap參數
plt.show()
plt.imshow(Image.open('examples.png'))    # 實際上plt.imshow可以直接顯示PIL格式圖像
plt.show()

import pylab as plt
import cv2
import numpy as np
img = cv2.imread('examples.png')
plt.imshow(img[..., -1::-1])    # 因為opencv讀取進來的是bgr順序呢的，而imshow需要的是rgb順序，因此需要先反過來
plt.show()

2 cv2顯示圖片

import cv2
image2=cv2.imread(r"test/aaa/0002/0002_0_1.jpg")
cv2.imshow("1",image2)
cv2.waitKey(0)

三、灰度圖-RGB圖相互轉換

1 PIL.Image

from PIL import Image
img = Image.open('examples.png')
img_gray = img.convert('L')    # RGB轉換成灰度圖像
img_rgb = img_gray.convert('RGB') # 灰度轉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在讀入圖片的時候就可以通過參數實現顏色通道的轉換，下面是用別的方式實現）

import cv2
import pylab as plt
img = cv2.imread('examples.png')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)    # BGR轉灰度
img_bgr = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2BGR)    # 灰度轉BRG
img_rgb = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2RGB)    # 也可以灰度轉RGB

四、保存圖片

1 PIL.image - 保存PIL格式的圖片

from PIL import Image
img = Image.open('examples.png')
img.save('examples2.png')
img_gray = img.convert('L')
img_gray.save('examples_gray.png')    # 不管是灰度還是彩色，直接用save函數保存就可以，但注意，只有PIL格式的圖片能夠用save函數

2 cv2.imwrite - 保存numpy格式的圖片

import cv2
img = cv2.imread('examples.png')    # 這是BGR圖片
cv2.imwrite('examples2.png', img)    # 這里也應該用BGR圖片保存，這里要非常注意，因為用pylab或PIL讀入的圖片都是RGB的，如果要用opencv存圖片就必須做一個轉換
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imwrite('examples_gray.png', img_gray)

以上是python對比圖像區別的方法的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！