python读取并显示图片的三种方法(opencv、matplotlib、PIL库)
前言
在进行图像处理时,经常会用到读取图片并显示出来这样的操作,所以本文总结了python中读取并显示图片的3种方式,分别基于opencv、matplotlib、PIL库实现,并给出了示例代码,介绍如下。
OpenCV
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和Mac OS操作系统上。 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。
import matplotlib.pyplot as plt # plt 用于显示图片 import cv2 #opencv的颜色通道顺序为[B,G,R],而matplotlib颜色通道顺序为[R,G,B],所以需要调换一下通道位置 img1 = cv2.imread('./Lena.png')[:,:,(2,1,0)] # 读取和代码处于同一目录下的 lena.png img2 = cv2.imread('./Lena.png')[:,:,(2,1,0)] #结果展示 plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文乱码 plt.subplot(121) #imshow()对图像进行处理,画出图像,show()进行图像显示 plt.imshow(img1) plt.title('图像1') #不显示坐标轴 plt.axis('off') #子图2 plt.subplot(122) plt.imshow(img2) plt.title('图像2') plt.axis('off') # #设置子图默认的间距 plt.tight_layout() #显示图像 plt.show()
Matplotlib
Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用,提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用,如 PyQt 和 wxPython。
import matplotlib.pyplot as plt # plt 用于显示图片 import matplotlib.image as mpimg # mpimg 用于读取图片 img1 = mpimg.imread('./Lena.png') # 读取和代码处于同一目录下的 lena.png img2=mpimg.imread('./Lena.png') #结果展示 plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文乱码 plt.subplot(121) #imshow()对图像进行处理,画出图像,show()进行图像显示 plt.imshow(img1) plt.title('图像1') #不显示坐标轴 plt.axis('off') #子图2 plt.subplot(122) plt.imshow(img2) plt.title('图像2') plt.axis('off') # #设置子图默认的间距 plt.tight_layout() #显示图像 plt.show()
PIL
PIL(Python Image Library)是python的第三方图像处理库,但是由于其强大的功能与众多的使用人数,几乎已经被认为是python官方图像处理库了。。。
PIL可以做很多和图像处理相关的事情:
- 图像归档(Image Archives)。
- 图像展示(Image Display)。
- 图像处理(Image Processing)。
import matplotlib.pyplot as plt # plt 用于显示图片 from PIL import Image img1 = Image.open('./Lena.png') img2 = Image.open('./Lena.png') #结果展示 plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文乱码 plt.subplot(121) plt.imshow(img1) plt.title('图像1') #不显示坐标轴 plt.axis('off') #子图2 plt.subplot(122) plt.imshow(img2) plt.title('图像2') plt.axis('off') # #设置子图默认的间距 plt.tight_layout() #显示图像 plt.show()
运行结果
总结
到此这篇关于python读取并显示图片的三种方法的文章就介绍到这了,更多相关python读取显示图片内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!
赞 (0)