各种图像处理库中imread函数的区别

相关文章推荐

焦虑的柳树 · 格式化硬盘时出现“由于i/o设备错误，无法运 ...· 4 周前 ·

知识渊博的匕首 · .::王迅教授 ::.· 3 月前 ·

坚强的四季豆 · 申办认证须知 — 中华人民共和国驻奥克兰总领馆· 1 年前 ·

跑龙套的青蛙 · 北美周末票房：《X特遣队：全员集结》首映夺冠· 1 年前 ·

温文尔雅的大白菜 · 改头换面！魏牌“蓝山”正式亮相-新浪汽车· 1 年前 ·

之前做的机器学习小项目中需要用到简单的图片处理，但是代码中使用了两个不同库里的图像处理函数，出了一个 Bug 找了很久才找到，今天就稍微总结下 Python 中几个不同图像库的 io 处理。

Python 中有很多用于图片处理的包，这些包实现了自己的输入输出函数，这些函数功能大体相同却有着一些细微的区别。

PIL.Image.open

scipy.misc.imread # 调用的还是 pilutil 中的 imread

scipy.ndimage.imread # 调用的就是 scipy.misc.imread

imageio.imread # dependency 有 pillow 应该也是调用 PIL 实现

以上这些方法都调用 PIL.Image.open 读取图像的信息。

PIL.Image.open 不直接返回 numpy.ndarray 对象而是 PIL image 对象，可以用 numpy 提供的函数进行转换

imageio 返回 Image 对象，应该是 numpy.ndarray 的一种封装，通道顺序 RGB，通道值默认范围 0-255

其他模块都直接返回 numpy.ndarray 对象，通道顺序为 RGB，通道值得默认范围为 0-255

matplotlib 类

matplotlib.image.imread # 独立实现 比较复杂
直接返回 numpy.ndarray 对象，通道顺序为 RGB，读取彩色图像时通道值默认范围 0-255，读取单通道灰度图像时通道值默认范围 0.0-1.0
cv2.imread # 独立实现
使用 opencv 读取图像，直接返回 numpy.ndarray 对象，通道顺序为 BGR ，注意是 BGR，通道值默认范围 0-255
skimage 类
skimage.io.imread
直接返回 numpy.ndarray 对象，通道顺序为 RGB，通道值默认范围 0-255
通过插件选择不同的读取方式
# For each plugin type, default to the first available plugin as defined by
# the following preferences.
preferred_plugins = {
    # Default plugins for all types (overridden by specific types below).
    'all': ['imageio', 'pil', 'matplotlib', 'qt'],
    'imshow': ['matplotlib'],
    'imshow_collection': ['matplotlib']
from skimage import io
%matplotlib inline
%config InlineBackend.figure_format = 'retina'
def display(imagepath):
    # PIL
    im_PIL = Image.open(imagepath)
    print("PIL type1", type(im_PIL))
    im_PIL = np.array(im_PIL)# PIL 方法读取后需要通过转换获得numpy对象,RGB
    print("PIL type2", type(im_PIL))
    print("PIL shape", im_PIL.shape)
    print("PIL min {} max {}".format(im_PIL.min(), im_PIL.max()))
    # imageio
    im_imageio = imageio.imread(imagepath)
    print("imageio type", type(im_imageio))
    print("imageio shape", im_imageio.shape)
    print("imageio min {} max {}".format(im_imageio.min(), im_imageio.max()))
    # # scipy.ndimage
    # im_scipy_ndimage = imageio.imread(imagepath)
    # print(type(im_scipy_ndimage))
    # print(im_scipy_ndimage.shape)
    # matplotlib
    im_matplotlib = plt.imread(imagepath)
    print("matplotlib type", type(im_matplotlib))
    print("matplotlib shape", im_matplotlib.shape)
    print("matplotlib min {} max {}".format(im_matplotlib.min(), im_matplotlib.max()))
    # cv2
    im_cv2=cv2.imread(imagepath)
    print("cv2 type", type(im_cv2))
    print("cv2 shape", im_cv2.shape)
    print("cv2 min {} max {}".format(im_cv2.min(), im_cv2.max()))
    # skimge
    im_skimge = io.imread(imagepath)
    print("skimge type", type(im_skimge))
    print("skimge shape", im_skimge.shape)
    print("skimge min {} max {}".format(im_skimge.min(), im_skimge.max()))
    # cv2.imshow('test',im4)
    # cv2.waitKey()
    #统一使用plt进行显示，不管是plt还是cv2.imshow,在python中只认numpy.array，但是由于cv2.imread 的图片是BGR，cv2.imshow 时相应的换通道显示
    plt.figure(figsize=(6,9))
    plt.subplot(321)
    plt.title('PIL read')
    plt.imshow(im_PIL)
    plt.subplot(322)
    plt.title('imageio read')
    plt.imshow(im_imageio)
    plt.subplot(324)
    plt.title('matplotlib read')
    plt.imshow(im_matplotlib)
    plt.subplot(325)
    plt.title('cv2 read')
    plt.imshow(im_cv2)
    plt.subplot(326)
    plt.title('skimge read')
    plt.imshow(im_skimge)
    plt.tight_layout()
    plt.show()
    print(np.allclose(im_imageio, im_PIL))
    try:
        print(np.allclose(im_imageio, im_cv2))
        print(np.allclose(im_imageio, im_cv2[:,:,::-1]))
    except ValueError as e:
        print(e)
    print(np.allclose(im_imageio, im_matplotlib))
    print(np.allclose(im_imageio, im_skimge))
    return im_PIL, im_imageio, im_cv2, im_matplotlib, im_skimge
#     try:
#         print(np.array_equal(im_PIL, im_imageio, im_cv2, im_matplotlib, im_skimge))
#     except ValueError as e:
#         print(e)
#         print( ) 
imagepath='img/doreamon.jpg'
im_PIL, im_imageio, im_cv2, im_matplotlib, im_skimge = display(imagepath)
plt.imshow(im_cv2[:,:,::-1]) #交换 BGR 中的 BR
PIL type1 <class 'PIL.JpegImagePlugin.JpegImageFile'>
PIL type2 <class 'numpy.ndarray'>
PIL shape (1242, 1239, 3)
PIL min 0 max 255
imageio type <class 'imageio.core.util.Array'>
imageio shape (1242, 1239, 3)
imageio min 0 max 255
matplotlib type <class 'numpy.ndarray'>
matplotlib shape (1242, 1239, 3)
matplotlib min 0 max 255
cv2 type <class 'numpy.ndarray'>
cv2 shape (1242, 1239, 3)
cv2 min 0 max 255
skimge type <class 'numpy.ndarray'>
skimge shape (1242, 1239, 3)
skimge min 0 max 255
图片为三通道时，五种读取方式读取的结果几乎都一样，只是 cv2 读取的结果通道顺序为 BGR, 所以显示上出现了一点不同，通过转换将 BR 通道交换之后显示效果正常，但是 np allclose 函数显示两张图片还是有一些不同
看一看为什么
index = np.argwhere(im_imageio-im_cv2[:,:,::-1]!=0) # 不相等的 index
print(index.shape)
print(im_imageio[index[:,0], index[:,1],index[:,2]], im_cv2[:,:,::-1][index[:,0], index[:,1],index[:,2]]) # 对比差异
# 作差比较
s = im_imageio - im_cv2[:,:,::-1]
s[index[:,0], index[:,1],index[:,2]]
imagepath='img/Great-Britain.png'
im_PIL, im_imageio, im_cv2, im_matplotlib, im_skimge = display(imagepath)
plt.imshow(im_cv2[:,:,::-1]) #交换 BGR 中的 BR
plt.show()
plt.imshow(im_cv2) #交换 BGR 中的 BR
PIL type1 <class 'PIL.PngImagePlugin.PngImageFile'>
PIL type2 <class 'numpy.ndarray'>
PIL shape (1691, 911)
PIL min 127 max 255
imageio type <class 'imageio.core.util.Array'>
imageio shape (1691, 911)
imageio min 127 max 255
matplotlib type <class 'numpy.ndarray'>
matplotlib shape (1691, 911)
matplotlib min 0.49803921580314636 max 1.0
cv2 type <class 'numpy.ndarray'>
cv2 shape (1691, 911, 3)
cv2 min 127 max 255
skimge type <class 'numpy.ndarray'>
skimge shape (1691, 911)
skimge min 127 max 255
cmp1 = im_cv2[:,:,0]==im_cv2[:,:,1]
cmp2 = im_cv2[:,:,0]==im_cv2[:,:,2]
print(np.all(cmp1)) # all True
print(np.all(cmp2)) # all True
Array([[255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255]], dtype=uint8)
array([[1., 1., 1., ..., 1., 1., 1.],
       [1., 1., 1., ..., 1., 1., 1.],
       [1., 1., 1., ..., 1., 1., 1.],
       [1., 1., 1., ..., 1., 1., 1.],
       [1., 1., 1., ..., 1., 1., 1.],
       [1., 1., 1., ..., 1., 1., 1.]], dtype=float32)