一、问题所在
今天用Python做有关图像读取与显示的实验时无意间遇到了这样的一个小问题。
待处理的原始图像如下：
图1.1 杜鹃花
我的本意是通过使用cv2与pyplot，先将原图像显示出来，然后将转换过后的灰度图像再显示出来，从而对比观察二者的区别，就像下图所示：
图1.2 原图与灰度图
然而理想很丰满，现实很骨感。我发现，我显示的原图像总是蓝色色调的。嗯，没错，就是蓝色的。就像这样：
图1.3 蓝色的杜鹃
额。。。我明明什么都没有做，就是简单的一个显示原图像，为啥还变色了尼？虽然看起来也挺好看的，但是毕竟还是要追求真理的呀。带着这样的疑问，我开始了自己的“探索之路”。
二、问题分析
2.1
首先我在想，是不是我的屏幕配色或是自己的视觉出现了问题？因为自己有过这样的经历：Ubuntu的配色貌似比Windows 10的配色要鲜艳一些。而且盯了一天电脑屏幕了，总会有视觉疲劳的。验证这个问题最好的办法就是看一下图像的颜色直方图：
chans = cv2.split(img)
colors = ('b', 'g', 'r')
plt.figure('颜色直方图')
plt.title("’Flattened’ Color Histogram")
plt.xlabel("Bins")
plt.ylabel("# of Pixels")
for (chan, color) in zip(chans, colors):
hist = cv2.calcHist([chan], [0], None, [256], [0, 256])
plt.plot(hist, color = color)
plt.xlim([0, 256])
plt.show()
图2.1 颜色直方图
额，从图中可以看到，确实是蓝色的像素最多，那么这个假设就被我们成功的Pass了。
2.2
好吧，暂时先庆幸一下自己还没有色盲的症状。那么我不禁想，简单的一个读取图片加显示的工作，也就两行代码的工作量。显示图片肯定不会出错，毕竟只需要plt.imshow()就行，那就只能是读取图片的时候有一些差错。这里我是直接使用了cv2中的imread方法来读取的图像：
img = cv2.imread(path)
直接读取img并进行显示，就是一朵蓝色的杜鹃花。不过当我转用Image模块中的方法读取图片并显示的时候，就没有任何的问题，显示的图片也没有变色。
from PIL import Image
path = '62.jpg'
img = Image.open(path)
plt.figure('原图像')
plt.imshow(img)
plt.show()
按理来说，图像都应该是按照矩阵的形式进行存储和读取的，不能因为我换了一个模块的方法进行读取它就变色了。而且通过观察图1.3也可以发现，只有原图变蓝了，而经过方法
cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
进行转换后的灰度图像在显示的时候就没有变蓝。
2.3
感觉自己已经越来越接近事实的真相了。那既然这样，我们就查一查cv2.imread()的方法定义吧。放一张官方文档的说明：
图2.2 说明
额，看到这里我貌似明白了什么。cv2.imread()接口读进来的图像是BGR格式的啊，而我想要显示的彩色图像是RGB格式的，怪不得会显示蓝色居多。。。为了验证自己的猜测，我将读取进来的img又加了一步类型转换，将其变为RGB图像：
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
这回果然颜色正常了。
三、结论
大家在使用cv2.imread()读取彩色图像后得到的格式是BGR格式，像素值范围在0~255之间，通道格式为(H,W,C)，想要显示RGB类型的图像要进行一步格式转换。不过直接用Image等库读取图像的话貌似不需要进行格式转换。
写在后面：
其实这个问题属于比较弱智的一个问题，完全是因为自己对接口定义不了解而随便使用导致的,实际debug的话也就花了10min左右查查接口文档写个小程序检验一下就Ok了。写出来的目的一是为了提醒自己注意这个知识点，二是想分享一下自己思考的一个过程。一般来说自己在平时debug的时候也是确定bug位置、查资料、写demo验证这三个步骤。个人感觉计算机专业的学生debug的能力还是十分重要的，遇到问题不要总想着张嘴问别人，先尽量凭借自己的能力去解决。刚开始的时候可能会有些困难，也会比较费时间。但是当问题解决后会觉得很有成就感，而且时间长了也会对编程能力的提高有促进作用。
网友评论