0 Python图像处理库
- 常用的有OpenCV, Pillow(PIL)和scikit-image. 比较常用的是前两个，做个简单的比较。
- OpenCV
- 原版OpenCV是基于C++的，现在使用的是python版本。
- 处理速度快
- 读取图片直接就是numpy ndarray类型
- 读取图片是(B,G,R)通道，比较特殊
-image.shape得到的是(H,W,C) - Pillow
- Pytorch中比较常用
- 读取图片是PIL Image格式，需要进一步转换为numpy ndarray类型
-image.size得到的是(W,H) - 有比较说明OpenCV处理速度优势比较大，Python Pillow 和 cv2 图片 resize 速度的比较
1 图像的读取与保存
读取图像
imread(filename[, flags]). 关于flag的含义：
| Flag | 变量 | 含义 |
|---|---|---|
| -1 | cv.IMREAD_UNCHANGED | 读取原图像，保留所有通道和原位深。例如，png图像有alpha通道则会保留，而其他模式会丢弃alpha通道。 |
| 0 | cv.IMREAD_GRAYSCALE | 将读取的图片转换为1-channel,8-bit的灰度图像。所以可能改变原图像的通道数和位深。 |
| 1 | cv.IMREAD_COLOR | （默认）将读取的图片转换为3-channel,8-bit的BGR彩色图像。所以可能改变原图像的通道数和位深。 |
| 2 | cv.IMREAD_ANYDEPTH | 根据图像的位深，可以读取为1-channel,8、16或32-bit的图像。所以可能改变原图像的通道数。 |
| 3 | cv.IMREAD_ANYCOLOR | If set, the image is read in any possible color format. |
| >3 | - | 不常用 |
注意：
- 大多数彩色图像都是3-channel,8-bit的，所以直接调用默认模式（flag=1）就可以。
- 对于特殊的图像，如深度图、高度图，保存格式为32-bit float的要指定
flag=2，否则会出错（opencv并不提醒，只是返回None对象）。 - 对于未知的图像（通道、位深都未知），采用
flag=-1模式进行读取比较保险。
保存图像
imwrite(filename, img). 保存格式通过文件的后缀名指定。一般情况下，只有8-bit,1-channel或8-bit,3-channel的图像可以通过此函数保存。不过有以下例外：
- 16-bit unsigned 图像，可以保存为PNG, JPEG200或TIFF格式。
- 32-bit float 图像，可以保存为PFM, TIFF, OpenEXR, and Radiance HDR格式。32-bit,3-channel的TIFF图像保存时采用LogLuv高动态范围编码。
- 包含alpha通道的PNG图像可以通过此函数保存。保证图像为 8-bit(or 16-bit),4-channel 的BGRA格式，全透明像素alpha值为0，完全不透明的像素alpha值为255/65535.
BGR转RGB
有下面三种方法，推荐第2,3种，比较快。
- 方法1
b, g, r = cv2.split(im)
im_rgb1 = cv2.merge([r, g, b])
- 方法2
im_rgb2 = cv2.cvtColor(im, cv2.COLOR_BGR2RGB)
- 方法3
im_rgb3 = im[: , : , ::-1]
颜色映射
当我们想要可视化特殊二维图像（如从浮点格式的高度、深度图转换而来）时，可以使用颜色映射指定显示的效果
cv2.applyColorMap(img, colormap)
这里的colormap可用的选项如下：
问题
docker环境中使用import opencv报错：
ImportError: libGL.so.1: cannot open shared object file: No such file or directory
解决方法：
pip install opencv-python-headless