python读取并显示图像中坑

假设一个案例：cv读入图像，转化为tensor，再次转化为图像并显示
这里有很多坑点，我在代码中注解
坑点

1. cv模块读入数据是BGR
2. numpy数据是（H，W，C）
3. tensor数据是（C，H，W）
4. plt支持0-1的浮点数和0-255的整型

import matplotlib.pyplot as plt
from PIL import Image
import torchvision.transforms as transforms
import cv2 as cv
import numpy as np

img = cv.imread('./test_image/test.png') # openCV 读入数据为 BGR (坑点一)
print(type(img))
print(img.shape)   # numpy数组格式为（H,W,C）（坑点二）

transf = transforms.ToTensor() # tensor是浮点数
img_tensor = transf(img)  # tensor数据格式是torch(C,H,W) （坑点三）
print(img_tensor.size())
# tensor (c, h, w) 需要转为(h,w,c)才能正常显示
npimg = img_tensor.numpy()
# 转换维度
npimg = npimg.swapaxes(0, 2)
npimg = npimg.swapaxes(0, 1)
print(npimg.shape)
npimg = npimg[:,:,::-1] # 把BGR改成RGP
# npimg.show()
plt.imshow(npimg) # 可以直接渲染0-1浮点数
plt.show()

• 演示效果
  

不要以为这样就完了，真正的坑点在以下代码，注意对比区别

import matplotlib.pyplot as plt
from PIL import Image
import torchvision.transforms as transforms
import cv2 as cv
import numpy as np
from PIL import Image

img = cv.imread('./test_image/test.png') # openCV 读入数据为 BGR (坑点一)
print(type(img))
print(img.shape)   # numpy数组格式为（H,W,C）（坑点二）

transf = transforms.ToTensor()
img_tensor = transf(img)  # tensor数据格式是torch(C,H,W) （坑点三）
print(img_tensor.size())
# tensor (c, h, w) 需要转为(h,w,c)才能正常显示
npimg = img_tensor.numpy()
# 转换维度
npimg = npimg.swapaxes(0, 2)
npimg = npimg.swapaxes(0, 1)
print(npimg.shape)
npimg =  npimg * 255
# 必须转化为int类型，
npimg = npimg[:,:,::-1] # 把BGR改成RGP
# 确实从numpy转化为Image对象的,而且，必须使用int对象
npimg = Image.fromarray(np.uint8(npimg), "RGB") 
# npimg.show()
plt.imshow(npimg) # 可以直接渲染0-1
plt.show()
    

正确效果演示

如果npimg = Image.fromarray(np.uint8(npimg), "RGB") 使用了npimg = Image.fromarray(npimg, "RGB") 那么一个新的错误就产生了

• 以上的错误来自于float和int，下面的图演示两个图片数据的区别

float类型

int类型，注意上面的图后面有点。

• 最后希望大家注意细节，python中各个图像处理的库都有各自的特点，有微小的区别。