python opencv、matplotlib、PIL图像处理库之间的区别、联系、以及互相转换

opencv
a. 读取图像：
img = cv.imread(path)
opencv库使用imread读取得到的默认是一个BGR模式的彩色图像，可以使用cv.cvtColor(img, cv.COLOR_BGR2RGB)将颜色模式转化成RGB。opencv的基本图像类型与numpy数组可以互相转化。因此可以直接调用torch.from_numpy(img)将图像转成tensor。
b. 保存图像：
cv.imwrite(path, img)
c. 绘制图像：
cv.imshow(name, img)
opencv的绘制图像操作会将图像以窗口的形式显示在屏幕上，因此需要手动执行中断命令来关闭窗口进程。一般会用到:
k = cv.waitKey(0) & 0xFF
if k == 27:
cv.destroyAllWindows()
优点：对图像处理的接口丰富，集成了许多常用的图像处理操作：阈值、边缘检测、角点检测、图像滤波、形态学处理、傅里叶变换、直方图均衡、模板匹配、运动检测（meanshift），并且支持人脸部位识别。
缺陷：opencv在读取图像时，若path错误，仅会返回None，而不会报错，并且opencv不支持使用imread对gif格式的图像进行读取，若要读取gif格式的图像，需要使用gif = cv.VideoCapture(path)得到一个opencv的视频对象，然后使用ret,frame = gif.read()读取该视频对象的一帧。
PIL
PIL是python对图像处理的基本库
a. 读取图像：
img = PIL.Image.open(path)
读取得到的是一个PIL.xxxImageFile类型，numpy中提供了与将PIL.ImageFile转化为array的接口：
np.asarray(img) img->array
Image.fromarray(array) array->img
可以使用img.convert(model)转换颜色模式。其中model包括：‘1’:二值图，‘L’:灰度图，‘P’：8位彩色图像，‘RGB’:24位彩色图像（每个通道8位），‘RGBA’:相比RGB多了个alpha通道（不透明度）等等。
b. 保存图像：
img.save(path)
c. 绘制图像：
img.show()
优点：支持的图片格式丰富，并且作为python的基本库，与各个库之间兼容性最好。
缺点：图像处理算法较少。
matplotlib
matplotlib是python仿照matlab的绘图来开发的图像绘制库。
a. 读取图像：
img = plt.imread()
matplotlib读取的图像类型直接为numpy.array，并且matplotlib读取图像时直接进行了归一化操作。
b. 保存图像：
plt.imsave(path,img)
或
img.imsave(path)
matplotlib在保存图像时，可以使用imsave保存不带坐标轴的图像，也可以使用plt.savefig(path)保存带坐标轴的图像。
c. 绘制图像：
plt.imshow(img)
plt.show()
matplotlib在执行imshow之后，必须跟着执行show()。
优点：和matlab的绘图命令基本相同，不仅可以绘制图像，也可以绘制其他类型的图像（折线图、散点图、饼图、热力图、3D图），并且读入的图像与numpy直接兼容。
缺点：matplotlib是一个绘图的库，因此没有图像处理相关的算法。
以上三个库读入的图像进行互相转化：

三个库之间转换较为复杂，因此也有一种直接的转换策略，先保存图像，再使用另一个库读取图像。
关于pytorch处理数据集的一般应用策略：
使用opecv读取并处理图像，使用matplotlib绘制图像，最终保存为PIL.Image，再使用pytorch的torchvision.transforms.ToTensor()(img)转化成tensor。

python opencv、matplotlib、PIL图像处理库之间的区别、联系、以及互相转换

相关推荐