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

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()  
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。
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。
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)