python下：用 matplotlib.pyplot 显示 Opencv 读取的图像

在涉及图像处理时，我们通常用opencv去读取并处理图像，而用matplotlib去显示图像，因为opencv有很强的图像处理能力，而matplotlib有很强的可视化能力，可以方便的可视化分析实验的过程与结果。

但是，我们不能直接用matplotlib去显示opencv读取的图像，因为这样会造成图像的颜色失真。原因是：opencv读取的图像的通道顺序是[B,G,R]，而matplotlib显示图像时图像的通道顺序是[R,G,B]。

用matplotlib直接显示opencv读取的图像，示例：

import matplotlib.pyplot as plt
import cv2

img = cv2.imread("./lena.jpeg")
plt.imshow(img)
plt.show()

上图左图是lena.jpeg原图，右图是用matplotlib显示opencv读取的图像的效果。可见在颜色上有很大改变。在试验中不利于我们进行分析。

为解决这个问题有以下三种方法：

第一种方式，利用cv2的merge函数手动去合并。

import matplotlib.pyplot as plt
import cv2
	
img = cv2.imread("./lena.jpeg")
b, g, r = cv2.split(img)
img = cv2.merge([r, g, b])
plt.imshow(img)
	
plt.show()

即先把它划分成bgr的形式，再把它合并成RGB，得到适宜用plt表示的变量img2。

第二种方式，利用cv2提供的BGR2RGB函数：

import matplotlib.pyplot as plt
import cv2
	
img = cv2.imread("./lena.jpeg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)
	
plt.show()

这种方式是opencv对调颜色通道的函数，可以直接调用，比较方便。

第三种方式，利用矩阵的翻转。因为图像本身就是一个矩阵，所以可以直接利用矩阵操作实现图像通道的变换。恰好opencv的[B,G,R] 与matplotlib的[R,G,B]刚好是逆序，所以可以很方便的利用矩阵的逆序操作。具体如下：

import matplotlib.pyplot as plt
import cv2

img = cv2.imread("./lena.jpeg")
img = img[:,:,::-1]
plt.imshow(img)
	
plt.show()

 只需要在图像数据的channel维度进行[::-1]逆排序即可。[::-1]是一个切片操作，其标准格式是 [start:end:step]，如果不指定，那么就默认start是0，end是该维度的大小，step是步长=1。

因此，对于img=img[:,:,::-1]，意思则是对图像的长宽不做调整，仅仅调整通道。对通道的切片操作为[::-1]。

我们着重来看下，start没给，end没给，给了一个步长是-1。步长是负数代表你这是想要倒着走。切片内部自动把end和start调换了，原先通道是BGR,倒着走变成了RGB。通过这种方式实现对通道的翻转。

 

个人人为：方法3最方便，因为不用再调用opencv。因为，有时候图像的shape并不仅仅有[h,w,c]这三个维度，在这种情况下用opencv进行处理就很不方便。

 

参考：Opencv与matplotlib在python下读入图片的区别