图像读取之cv2.imread()函数
opencv读取图像主要依赖于cv2.imread()函数，cv2.imread()的函数原型为Mat imread( const string& filename, int flags=1 )，其中Mat为Opencv最重要的数据结构，它在Opencv中被定义为一个类，它通过把图像视为一个矩阵来存储数据。作为类，它的属性包含了图像矩阵数据data、图像矩阵维度dims（如32*32图像维度为2）、图像矩阵行数等，关于Mat结构的详细介绍，可以参考OpenCV-Mat结构详解。需要注意的是，Opencv的函数可以直接处理numpy的数据类型——多维数组，这为我们在深度学习框架中保存图像、归一化图像等操作时使用opencv提供了极大方便，我猜测是因为Mat和多维数组都可以代表矩阵数据。
在cv2.imread()中，它有两个形参，首先是图像的文件名（索引地址），第二个参数flags用于指定以什么样的格式来读取图像，它的取值有以下几种情况：
（1）flags=1，这也是默认情况，代表选择CV_LOAD_IMAGE_UNCHANGED方式，即采用保持原始格式的方式读取图像。比如待读取的图像原来是灰度图像，读取后还是灰度图像。
（2）flags=2，这种情况代表选择CV_LOAD_IMAGE_GRAYSCALE方式，即以灰度图像格式读取图像。无论原始图像原来是什么格式，读取后都的结果都转变为灰度图像。
（3）flags=3，这种情况代表选择CV_LOAD_IMAGE_COLOR方式，即以BGR格式读取图像。无论原始图像原来是什么格式，读取后都的结果都转变为BGR形式的三通道图像。
需要特别注意的是：cv2.imread()函数读取RGB图像时，返回的图像格式的通道并不是按R、G、B排列的，而是按B、G、R顺序排列的！当然，如果你使用cv2.imread()读取RGB图像，又用cv2.imshow()显示图像，不会有什么问题。但如果你用cv2.imread()读取RGB图像，再用其他库方法显示，就很有可能出现问题了，参考matplotlib & visdom 的图片显示问题。
用法示例如下:
image = cv2.imread('D:\\code\\datasets\\facades\\train\\714.jpg', flags=1)
- 1
imread函数的坑
- 图像文件名索引地址中不能出现任何中文字符
- 如果在windows系统下，文件名的索引地址的分隔符需要用
“\\”而不是只用“\”，如其地址应为D:\\code\\datasets\\facades\\train\\714.jpg，而不是D:\code\datasets\facades\train\714.jpg，这是为了避免混淆转义字符与文件地址，如\train中的\t系统默认为是一个转义字符。 - 读取的图像如果通过
numpy.asarray（）转换为多维数组类型，即转换后的数组形状为[Height, Width, Channels]，这和Tensorflow所期望的模型张量输入形状为[B,H,W,C]非常吻合，但是对于PyTorch而言，它所期望的模型张量输入的形状为[B, C, H, W]，此时就需要将Channel维度前调。
图像显示之cv2.imshow()函数
Opencv-python的图像显示一般使用cv2.imshow（）函数，它由两个形参组成，一个是图像显示窗口的名称，另一个则是Mat类型的数据，其用法示例如下：
image = cv2.imread('D:\\code\\datasets\\facades\\train\\714.jpg', flags=1)
cv2.imshow('Example',image)
cv2.waitKey(0)
- 1
- 2
- 3
imshow函数的坑
- 必须有两个形参，即第一个显示窗口名称的参数不能省略
- 一般需要在后面添加一个
cv2.waitKey(0)，代表由手动确定下一步操作，否则会出现显示图像一闪而过的情况，或是出现图像无响应的情况。 - 特别需要注意的是，对于不同数据格式的图像，
imshow（）函数会自动进行不同的归一化操作，详细情况请参考Opencv的imshow函数详解。需要记住的是，对于灰度值是32位浮点数的类型的图像而言（比如通常由深度神经网络得到的结果），imshow（）函数会自动将每个像素值乘以255再进行显示，即将原图像素值的范围由[0,1]映射到[0,255]，因而注意：期望显示的神经网络输出图像矩阵值必须要归一化到[0,1]，而不必多此一举归一化到[0,255]再显示。 - 还有一个坑在于，如果你用
cv2.imread()读取RGB图像，再用其他库方法显示，就很有可能出现显示的图像和原本的图像颜色完全不一致！这是因为cv2.imread()函数读取RGB图像时，返回的图像格式的通道并不是按R、G、B排列的，而是按B、G、R顺序排列的！其示例可以参考matplotlib & visdom 的图片显示问题中给出的例图，这里也给出一段将B、G、R顺序转换为R、G、B顺序的代码：
b,g,r=cv2.split(image)
image=cv2.merge([r,g,b])
- 1
- 2
读取与显示图像常见报错提示
- cv2.error: OpenCV(4.1.0) C:\projects\opencv-python\opencv\modules\highgui\src\window.cpp:352: error: (-215:Assertion failed) size.width>0 && size.height>0 in function ‘cv::imshow’：
这个报错的原因主要包括以下两点：1、路径中有中文字符；2、路径中使用了\被误认为转义字符 - 图像一闪而过，或出现图像未响应的情况：在
cv2.imshow()后添加cv2.waitKey(0) - 如果图像显示全黑或者过白这种不正常情况，可能是由于
cv2.imshow()自动归一化的结果，这时需要进行特定的处理即可，参考Opencv的imshow函数详解
图像保存之cv2.imwrite()函数
opencv_python中采用cv2.imwrite()函数来保存图像，它的使用范例如下：
img = cv2.imread("D:\\code\\datasets\\facades\\train\\716.jpg")
img = np.asarray(img).astype(float)
cv2.imwrite('D:\\code\\1.png',img)
- 1
- 2
- 3
cv2.imwrite()函数中的第一个形参'D:\\code\\1.png'是期望存储的图像的文件名及地址，文件名的后缀格式可以是.jpg或者是.png等，第二个形参img代表待存储的图像数据，可以是Mat类型或者Numpy的Ndarray（多维数组），在示例代码中就将其转变成了Numpy类型，这是因为方便转换成张量从而在深度学习框架加以运用。
imwrite函数的坑
cv2.imwrite()函数的坑在于它保存图像需要图像的像素灰度值动态范围是[0,255],上面已经提到，对于神经网络的输出图像，比如说GAN的生成图像其灰度值动态范围通常是[-1,1]，其数据格式为32位，对于cv2.imshow()函数而言，需要将其动态范围通过cv2.normalize()函数转变到[0,1]才能正确显示（cv2.imshow()函数会自动处理），而对于cv2.imwrite()函数而言，则需要把它的动态范围转变到[0,255]才能正确保存。
总而言之，对于深度学习的网络生成图像而言，如果想通过opencv进行图像显示，需要将灰度值动态范围调整到[0,1]，如果想通过opencv进行图像保存，则需要将灰度值动态范围调整到[0,255]。
