python读取并显示图片的三种方法（opencv、matplotlib、PIL库）

前言

在进行图像处理时，经常会用到读取图片并显示出来这样的操作，所以本文总结了python中读取并显示图片的3种方式，分别基于opencv、matplotlib、PIL库实现，并给出了示例代码，介绍如下。

OpenCV

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

import matplotlib.pyplot as plt # plt 用于显示图片
import cv2

#opencv的颜色通道顺序为[B,G,R]，而matplotlib颜色通道顺序为[R,G,B],所以需要调换一下通道位置
img1 = cv2.imread('./Lena.png')[:,:,(2,1,0)] # 读取和代码处于同一目录下的 lena.png
img2 = cv2.imread('./Lena.png')[:,:,(2,1,0)]

#结果展示
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文乱码
plt.subplot(121)
#imshow()对图像进行处理，画出图像，show()进行图像显示
plt.imshow(img1)

plt.title('图像1')
#不显示坐标轴
plt.axis('off')

#子图2
plt.subplot(122)
plt.imshow(img2)
plt.title('图像2')
plt.axis('off')

# #设置子图默认的间距
plt.tight_layout()
#显示图像
plt.show()

Matplotlib

Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。

import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片

img1 = mpimg.imread('./Lena.png') # 读取和代码处于同一目录下的 lena.png
img2=mpimg.imread('./Lena.png')

#结果展示
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文乱码
plt.subplot(121)
#imshow()对图像进行处理，画出图像，show()进行图像显示
plt.imshow(img1)

plt.title('图像1')
#不显示坐标轴
plt.axis('off')

#子图2
plt.subplot(122)
plt.imshow(img2)
plt.title('图像2')
plt.axis('off')

# #设置子图默认的间距
plt.tight_layout()
#显示图像
plt.show()

PIL

PIL(Python Image Library)是python的第三方图像处理库，但是由于其强大的功能与众多的使用人数，几乎已经被认为是python官方图像处理库了。。。

PIL可以做很多和图像处理相关的事情:

• 图像归档(Image Archives)。

• 图像展示(Image Display)。

• 图像处理(Image Processing)。
  

import matplotlib.pyplot as plt # plt 用于显示图片
from PIL import Image

img1 = Image.open('./Lena.png')
img2 = Image.open('./Lena.png')

#结果展示
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文乱码
plt.subplot(121)
plt.imshow(img1)
plt.title('图像1')
#不显示坐标轴
plt.axis('off')

#子图2
plt.subplot(122)
plt.imshow(img2)
plt.title('图像2')
plt.axis('off')

# #设置子图默认的间距
plt.tight_layout()
#显示图像
plt.show()

运行结果

总结

来源：https://blog.csdn.net/qq_41137110/article/details/115665455?