Python 读取、显示、保存图像的各种方法（全！）_imageio.imsave

一、PIL：Python Imaging Library（pillow）

PIL读取图片不直接返回numpy对象，可以用numpy提供的函数np.array()进行转换，亦可用Image.fromarray()再从numpy对象转换为原来的Image对象，读取，显示，保存以及数据格式转换方法见如下代码：

from PIL import Image
import numpy as np
 
imagepath='cat.jpg'
image=Image.open(imagepath)
print(type(image))  #结果为<class 'PIL.JpegImagePlugin.JpegImageFile'> 
print(image.size)   #结果为(822，694)，这里注意Image输出的结果先显示列数，后显示行数
image.show()
 
image.save('cat1.jpg')
 
# image to array
image1=np.array(image)#获得numpy对象,RGB
print(type(image1)) #结果为<class 'numpy.ndarray'> 
print(image1.shape) #结果为(694, 822, 3)
 
# array to image
image2 = Image.fromarray(image1)
print(type(image2)) #结果为<class 'PIL.Image.Image'> 

二、scikit-image

PIL只提供最基础的数字图像处理，功能有限；opencv本质上是一个c++库，只是提供了python的接口，官方更新速度非常慢，而且安装很不容易。综合来看，scikit-image是基于scipy的一款图像处理包，它功能非常齐全，同时将图片作为numpy数组进行处理，几乎集合了matlab的所有图像处理功能，在数据的处理方式，函数名字等方面对matlab的模仿姿势非常到位。推荐使用！

读取，显示，保存见如下代码：

from skimage import io
 
img=io.imread('cat.jpg')
io.imshow(img)
 
io.imsave('cat1.jpg',img)

三、imageio

科学计算库scipy中的方法，之前是scipy.misc，其下函数包括imread，imresize，imsave，新版misc被移除，改用imageio，需独立安装conda install imageio。

以下代码：

import scipy
image = scipy.misc.imread(image)
image = scipy.misc.imresize(image, size=(num_px,num_px))
scipy.misc.imsave('image.jpg', image)

应改为：

import imageio
import numpy as np
from PIL import Image
 
image = imageio.imread(image)
image = np.array(Image.fromarray(image).resize((num_px,num_px)))
image = imageio.imsave('image.jpg', image)

读取，保存方法见如下代码：

import imageio
 
imagepath='cat.jpg'
image = imageio.imread(imagepath)
print(type(image)) #结果为<class 'imageio.core.util.Array'> ，即为numpy数组
 
imageio.imsave("cat1.jpg", image)

无显示方法，但其读取后的类型为numpy数据，故可用之后的plt.imshow()显示。

四、matplotlib

从名字中可以看出这个模块是具有matlab风格的，故所处理的数据均为numpy数据。

读取，显示，保存方法见如下代码：

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
 
imagepath='cat.jpg'
image = mpimg.imread(imagepath)
print(type(image)) #结果为<class 'numpy.ndarray'>
print(image.shape) #结果为(694, 822, 3)
 
plt.imshow(image)
 
mpimg.imsave("cat1.jpg", image)

五、cv2: opencv-python

使用opencv读取图像，同样返回numpy数据，与其他不同的是，通道顺序为BGR ，而不是RGB，cv2.imread的图片是BGR，cv2.imshow 时相应的换通道显示，所以仍会显示出原来的图片

读取，显示，保存方法见如下代码：

import cv2
import matplotlib.pyplot as plt
 
imagepath='cat.jpg'
image = cv2.imread(imagepath)
print(type(image)) #结果为<class 'numpy.ndarray'>
print(image.shape) #结果为(694, 822, 3)
 
cv2.imshow('bgrImage',image)
cv2.waitKey()
cv2.destroyAllWindows()
plt.subplot(121)
plt.imshow(image)
 
# BGR to RGB
image_rgb = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
cv2.imshow('rgbImage',image_rgb)
cv2.waitKey()
cv2.destroyAllWindows()
plt.subplot(122)
plt.imshow(image_rgb)
 
cv2.imwrite("cat1.jpg", image)

代码中还利用plt.imshow与cv2.imshow进行了对比，以及bgr转换rgb后plt.imshow与cv2.imshow进行了对比，显示结果为：

  

由图可得，cv2.imshow会在cv2.imread后正常显示rgb图像，此时plt.imshow()会显示gbr图像；bgr转换为rgb后，plt.imshow()会正常显示rgb图像，而cv2.imshow()会显示gbr图像。有点绕口，请结合代码对比理解。

六、keras.preprocessing

keras中处理图像的工具，其底层封装的实际为PIL，不过多讲解。

from keras.preprocessing import image
 
imagepath='cat.jpg'
img = image.load_img(imagepath)
 
img.show()
 
img.save("cat1.jpg")
 
# image to array
image1 = image.img_to_array(img)
# array to image
image2 = image.array_to_img(image1)

七、补充知识resize

以上模块中PIL、opencv-python拥有读入图片后resize的功能，代码如下：

imagepath='cat.jpg'
 
from PIL import Image
 
image = Image.open(imagepath)
image_resize = image.resize((128, 128))
 
 
 
import cv2
 
raw_image = cv2.imread(imagepath)
image_resize = cv2.resize(raw_image, (128, 128))
 
 
 
from keras.preprocessing import image
 
raw_image = image.load_img(imagepath, target_size=(128, 128))
 
 
 
from skimage import io, transform
 
img=io.imread(imagepath)
img = transform.resize(img, (128, 128))

八、plt.imshow()

需要注意的是，不论是哪种方法函数读入图片，显示图片皆可用plt.imshow()来操作。