目标
-
在这里，您将学习如何读取图像、如何显示图像以及如何将其保存回来
-
您将学习以下函数：cv.imread(), cv.imshow() , cv.imwrite()
-
可选的，您将学习如何使用Matplotlib显示图像
使用OpenCV
读取图片
使用函数cv.imread()读取图像。图像应该在工作目录中，或者应该给出图像的完整路径。
第二个参数是一个标志，指定读取图像的方式。
- cv.IMREAD_COLOR ：加载彩色图像。任何图像的透明度都将被忽略。它是默认标志。
- cv.IMREAD_GRAYSCALE ：以灰度模式加载图像
- cv.IMREAD_UNCHANGED ：加载图像，包括alpha通道
注意
除了这三个标志，您可以分别简单地传递整数1、0或-1。
警告
即使图像路径错误，也不会引发任何错误，但是print img会为您返回None
显示图像
使用函数cv.imshow()在窗口中显示图像。 窗口自动适合图像尺寸。
第一个参数是窗口名称，它是一个字符串。 第二个参数是我们的图像。 您可以创建任意数量的窗口，但窗口名称不可以相同。
cv.imshow('image',img)
cv.waitKey(0)
cv.destroyAllWindows()
窗口的屏幕截图如下所示（在Fedora-Gnome机器中）：
image
cv.waitKey()是键盘绑定功能。 它的参数是以毫秒为单位的时间。 该函数等待任何键盘事件的指定毫秒数。 如果在此期间按任意键，程序将继续。 如果传递0，它将无限期地等待按键。 它也可以设置为检测特定的按键，例如是否按下了按键a，我们将在下面讨论。
注意
除了绑定键盘事件外，该功能还处理许多其他GUI事件，因此您必须使用它来实际显示图像。
cv.destroyAllWindows()只会销毁我们创建的所有窗口。 如果要销毁任何特定的窗口，请使用函数cv.destroyWindow()在其中传递确切的窗口名称作为参数。
注意
在特殊情况下，您可以创建一个空窗口并在以后将图像加载到该窗口。 在这种情况下，您可以指定窗口是否可调整大小。 这是通过函数cv.namedWindow()完成的。 默认情况下，该标志为cv.WINDOW_AUTOSIZE。 但是，如果您将标志指定为cv.WINDOW_NORMAL，则可以调整窗口大小。 当图像尺寸过大以及向窗口添加跟踪栏时，这将很有帮助。
请参见下面的代码：
cv.namedWindow('image', cv.WINDOW_NORMAL)
cv.imshow('image',img)
cv.waitKey(0)
cv.destroyAllWindows()
写入图像
使用函数cv.imwrite()保存图像。
第一个参数是文件名，第二个参数是要保存的图像。
cv.imwrite('messigray.png',img)
这会将图像以PNG格式保存在工作目录中。
合在一起使用
下面的程序以灰度图加载图像，显示它，如果按's'保存图像并退出，或者如果按ESC键，不保存而直接退出。
import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg',0)
cv.imshow('image',img)
k = cv.waitKey(0)
if k == 27: # wait for ESC key to exit
cv.destroyAllWindows()
elif k == ord('s'): # wait for 's' key to save and exit
cv.imwrite('messigray.png',img)
cv.destroyAllWindows()
警告
如果您使用的是64位计算机，则必须按如下所示修改k = cv.waitKey(0)为k = cv.waitKey(0) & 0xFF
使用Matplotlib
Matplotlib是Python的绘图库，可为您提供多种绘图方法。 您将在接下来的文章中看到它们。 在这里，您将学习如何使用Matplotlib显示图像。 您可以使用Matplotlib缩放图像，保存图像等。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('messi5.jpg',0)
plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.show()
窗口的屏幕截图如下所示：
image
或见（See also）
Matplotlib中提供了许多绘图选项。 请参阅Matplotlib文档以获取更多详细信息。 有一些，我们后续会遇到。
警告
OpenCV加载的彩色图像处于BGR模式。 但是Matplotlib以RGB模式显示。 因此，如果使用OpenCV读取彩色图像，则Matplotlib中将无法正确显示彩色图像。 请参阅练习以获取更多详细信息。
其他资源
练习题
当您尝试在OpenCV中加载彩色图像并将其显示在Matplotlib中时，存在一些问题。 阅读此讨论并理解它。
网友评论