python图形读取函数 python 读取图像

Python的各种imread函数在实现方式和读取速度上有何区别

1. PIL.Image.open

创新互联主要从事成都做网站、成都网站设计、网页设计、企业做网站、公司建网站等业务。立足成都服务龙游,十载网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:18980820575

代码在这里：Pillow/Image.py at 3.1.x · python-pillow/Pillow · GitHub

open() 函数打开图像，但并不读入，直到有操作发生。

具体的读取操作是在 ImageFile.py 写的。大体流程是先检测文件类型，整块地读入文件内容，然后调用解码器解码，做了很多优化，效率应该还是很高的。

2. scipy.ndimage.imread

代码在这里：scipy/io.py at v0.17.1 · scipy/scipy · GitHub

imread 调用 scipy.misc.pilutil.imread。从名字就能看出来其实调用的还是 Pillow。

根据 pilutil 代码：scipy/pilutil.py at v0.17.1 · scipy/scipy · GitHub

确实是调用 pil.image.open()，然后返回一个 fromimage()。

3. scipy.misc.imread

misc 的 __init__.py 在这里：scipy/__init__.py at v0.17.1 · scipy/scipy · GitHub

调用的还是 pilutil 中的 imread

相关代码如下

try:

from .pilutil import *

from . import pilutil

__all__ += pilutil.__all__

del pilutil

except ImportError:

pass

也算是学了一招，从 pilutil 导入其所有函数添加到当前空间，然后又删除了 pilutil 消除影响。

4. skimage.io.imread

代码在这里：scikit-image/_io.py at master · scikit-image/scikit-image · GitHub

是通过插件 plugin 来读入不同的文件，而且会试用几个不同的 plugins 来找到合适的。

使用 call_plugin 来调用，代码在这里：scikit-image/manage_plugins.py at master · scikit-image/scikit-image · GitHub

可以根据如下代码查看插件调用的优先级

# 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': ['pil', 'matplotlib', 'qt', 'freeimage'],

'imshow': ['matplotlib'],

'imshow_collection': ['matplotlib']

}

plugins 的源代码在这里：scikit-image/skimage/io/_plugins at master · scikit-image/scikit-image · GitHub。可以看到 pil 的 imread，是用 open 打开图像之后，再转换成 ndarray。

5. cv2.imread

这里是调用的 CV::imread()，代码在这里：opencv/loadsave.cpp at master · opencv/opencv · GitHub。一般来说 C\C++ 的实现，应该比 python 速度快一点。

6. matplotlib.image.imread

matplotlib 的文档里面说，matplotlib 原生只可以读取 PNG 文件，有 PIL 的时候，可以读取其他类型的文件。如果使用 URL 打开在线图像文件，需要符合 PIL 的文档要求。

matplotlib.image.imread 的代码在这里：matplotlib/image.py at master · matplotlib/matplotlib · GitHub。matplotlib 的原生 PNG 读取和写入，是用 C 实现的，代码在这里：matplotlib/_png.cpp at master · matplotlib/matplotlib · GitHub。

matplotlib 是先用 pil 的 open 打开图像，如果格式是 png，就用原生方法打开。相关代码如下：

handlers = {'png': _png.read_png, }

if format is None:

if cbook.is_string_like(fname):

parsed = urlparse(fname)

# If the string is a URL, assume png

if len(parsed.scheme) 1:

ext = 'png'

else:

basename, ext = os.path.splitext(fname)

ext = ext.lower()[1:]

elif hasattr(fname, 'name'):

basename, ext = os.path.splitext(fname.name)

ext = ext.lower()[1:]

else:

ext = 'png'

else:

ext = format

if ext not in handlers:

im = pilread(fname)

if im is None:

raise ValueError('Only know how to handle extensions: %s; '

'with Pillow installed matplotlib can handle '

'more images' % list(six.iterkeys(handlers)))

return im

声明的处理器只有 png。如果是 png 文件，调用 _png.read_png。如果不是 png 直接使用 pilread（就是用 pil 的 Image.open 然后 pil_to_array）。

matplotlib 的源码确实比较复杂，一大部分主体是用 C 写的，改动很激进，功能更新猛烈。

python plt.imshow 怎么用

用法以既步骤：

1、给出一张图片。

2、用python读取图片：img = mpimg.imread('a.gif')注意：这里的gif就是上图，虽然是gif格式，但却只有一帧图片，因此是可以读取的；img实际上是一个多维列表。把数组在转化为图片：plt.imshow(img)：

3、img[:,:,1]是一个单通道图像，应该是灰度图，但是matplotlib显示出来的，是一个伪彩色图像。plt.imshow(img[:,:,1])。

4、还可以使用别的伪彩色方案，比如热力图：plt.imshow(img[:,:,1],cmap="hot")，而上面图中的伪彩色，可以称为翠绿色（viridis），是matplotlib默认的着色方案。

5、用Nipy谱着色：plt.imshow(img[:,:,1],cmap="nipy_spectral")。

6、在图片边上加上色彩标签：plt.imshow(img[:,:,1],cmap="nipy_spectral")，plt.colorbar()。

opencv和python下，对图片的读取程序报错如何解决？

1、需要用到其他模块的函数，如：

for i in range(20) #循环次数

image=cv2.imread("D:\\picture\\%d.jpg"%(i))#路径自己选择。

2、可以先升级你的pip,另外看看你的版本是否匹配,包括py版本和32位64位。

3、关于python下使用opencv读取图像。首先需要导入opencv包，上面说的那个Ipython并没有opencv包，所以想使用的请先正确导入opencv包再说，至于怎么导入，先下载个opencv包，里面有关于python的opencv包。 

以下照片是关于Ipython的运行界面：

python处理图片数据？

生成一张纯色的图片

先设置图片的颜色，接着利用Image模块的new方法新生成一张图片，png格式的图片需要设置成rgba，类似的还有rgb，L(灰度图等)，尺寸设定为640，480，这个可以根据自己的情况设定，颜色同样如此。

批量生成图片

上面生成了一张图片，那要生成十张图片呢，这种步骤一样，只是颜色改变的，利用循环就可以解决。首先创建一个颜色列表，把要生成的图片颜色放进去。接着循环获取不同的颜色，保存的时候利用字符串拼接的方法改变图片的名字。

本地生成的图片

封装成函数

前面的方法已经可以批量生成图片了，为了通用性强一点，我们可以封装成函数，把哪些可以改变的参数单独抽离出来。尺寸也同样，使用的时候，可以根据自己的需要定义颜色列表和尺寸。当然还有加一些提示用语和报错兼容性，这里就不讲了。

本地生成的图片