目标在这里，你将学习如何读取图像，如何显示图像以及如何将其保存回去你将学习以下功能：cv.imread()，cv.imshow()，cv.imwrite()（可选）你将学习如何使用Matplotlib显示图像使用OpenCV

读取图像

使用cv.imread()函数读取图像。图像应该在工作目录或图像的完整路径应给出。

第二个参数是一个标志，它指定了读取图像的方式。

cv.IMREAD_COLOR： 加载彩色图像。任何图像的透明度都会被忽视。它是默认标志。cv.IMREAD_GRAYSCALE：以灰度模式加载图像cv.IMREAD_UNCHANGED：加载图像，包括alpha通道

注意
除了这三个标志，你可以分别简单地传递整数1、0或-1。

请参见下面的代码：

import numpy as npimport cv2 as cv＃加载彩色灰度图像img = cv.imread('messi5.jpg'，0)

注意

即使图像路径错误，它也不会引发任何错误，但是print(img)会给出None

显示图像

使用函数cv.imshow()在窗口中显示图像。窗口自动适合图像尺寸。

第一个参数是窗口名称，它是一个字符串。第二个参数是我们的对象。你可以根据需要创建任意多个窗口，但可以使用不同的窗口名称。

cv.imshow('image'，img）cv.waitKey(0)cv.destroyAllWindows()

窗口的屏幕截图如下所示（在Fedora-Gnome机器中）：

cv.waitKey()是一个键盘绑定函数。其参数是以毫秒为单位的时间。该函数等待任何键盘事件指定的毫秒。如果您在这段时间内按下任何键，程序将继续运行。如果0被传递，它将无限期地等待一次敲击键。它也可以设置为检测特定的按键，例如，如果按下键 a 等，我们将在下面讨论。

注意
除了键盘绑定事件外，此功能还处理许多其他GUI事件，因此你必须使用它来实际显示图像。

cv.destroyAllWindows()只会破坏我们创建的所有窗口。如果要销毁任何特定的窗口，请使用函数 cv.destroyWindow()在其中传递确切的窗口名称作为参数。

注意
在特殊情况下，你可以创建一个空窗口，然后再将图像加载到该窗口。在这种情况下，你可以指定窗口是否可调整大小。这是通过功能cv.namedWindow()完成的。默认情况下，该标志为cv.WINDOW_AUTOSIZE。但是，如果将标志指定为cv.WINDOW_NORMAL，则可以调整窗口大小。当图像尺寸过大以及向窗口添加跟踪栏时，这将很有帮助。

请参见下面的代码：

cv.namedWindow('image'，cv.WINDOW_NORMAL)cv.imshow('image'，img)cv.waitKey(0)cv.destroyAllWindows()

写入图像

使用函数cv.imwrite()保存图像。

第一个参数是文件名，第二个参数是要保存的图像。cv.imwrite('messigray.png'，img)

这会将图像以PNG格式保存在工作目录中。

总结

在下面的程序中，以灰度加载图像，显示图像，按s保存图像并退出，或者按ESC键直接退出而不保存。

import numpy as npimport cv2 as cvimg = cv.imread('messi5.jpg',0)cv.imshow('image',img)k = cv.waitKey(0)if k == 27: # 等待ESC退出 cv.destroyAllWindows()elif k == ord('s'): # 等待关键字，保存和退出 cv.imwrite('messigray.png',img) cv.destroyAllWindows()

注意

如果使用的是64位计算机，则必须k = cv.waitKey(0)按如下所示修改行：k = cv.waitKey(0) & 0xFF

使用Matplotlib

Matplotlib是Python的绘图库，可为你提供多种绘图方法。你将在接下来的文章中看到它们。在这里，你将学习如何使用Matplotlib显示图像。你可以使用Matplotlib缩放图像，保存图像等。

import numpy as npimport cv2 as cvfrom matplotlib import pyplot as pltimg = cv.imread('messi5.jpg',0)plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')plt.xticks([]), plt.yticks([]) # 隐藏 x 轴和 y 轴上的刻度值plt.show()

窗口的屏幕截图如下所示：

还可以看看

Matplotlib中提供了许多绘图选项。请参考Matplotlib文档以获取更多详细信息。

注意

OpenCV加载的彩色图像处于BGR模式。但是Matplotlib以RGB模式显示。因此，如果使用OpenCV读取彩色图像，则Matplotlib中将无法正确显示彩色图像。有关更多详细信息，请参见练习。

其他资源

Matplotlib绘图样式和功能：

练习题

当你尝试在OpenCV中加载彩色图像并将其显示在Matplotlib中时，存在一些问题。阅读此讨论：)并理解它。