一. 确认图像的数组类型
在使用 OpenCV 的 cv2.imread() 函数读取图像时，第二个参数（标志）决定了图像的读取方式。具体来说，0、1 和 -1 分别对应不同的读取模式：
| 读取模式 | 标志 | 值 |
|---|---|---|
| 灰度 | cv2.IMREAD_GRAYSCALE | 0 |
| 彩色（忽略透明度通道） | cv2.IMREAD_COLOR | 1 |
| 彩色（包括 Alpha 透明度通道，如果存在） | cv2.IMREAD_UNCHANGED | -1 |
这里不讨论处理包含透明度通道的图像
使用 img.shape 判断图像类型
在 OpenCV 中，当你使用 cv2.imread() 函数读取一张图像时，它会将图像加载到内存中，并将其存储为一个 NumPy 数组。img.shape 是 NumPy 数组的一个属性，它返回一个包含数组各维度大小的元组。通过检查这个元组的长度（即维度的数量），我们可以确定数组的类型或结构。
- 灰度图像：通常是一个二维数组，表示为 (height, width)， img.shape 返回的元组长度为 2。
- 彩色图像：通常是一个三维数组，表示为 (height, width, channels)， channels 表示颜色通道的数量（例如 RGB 图像有三个通道，形状通常是 (height, width, 3)）， img.shape 返回的元组长度为 3。
|
1 2 3 4 5 |
# img 是一个 NumPy 数组 if len(img.shape) == 2: print("这是一个灰度图像") elif len(img.shape) == 3: print("这是一个彩色图像") |
二. 使用Matplotlab显示
灰度图像
|
1 |
plt.imshow(img, cmap='gray') |
理解cmap='gray'
直接imshow 会使用默认的颜色映射（通常是 viridis），这通常不是期望的灰度效果。需要明确指定颜色映射 (cmap) 为 'gray'，这样可以确保图像中的每个像素值都被正确地映射到灰度级别。
彩色图像
OpenCV读取到的色彩通道顺序为BGR, Matplotlab读取显示的色彩通道为RGB，所以需要读取时转换通道
|
1 |
plt.imshow(img[:, :, ::-1]) |
理解 img[:, :, ::-1]
第一维和第二维分别代表图像的高度和宽度，第三维有三个通道：红（R）、绿（G）、蓝（B）
- : 表示选取所有元素。
- ::-1 是Python中的切片语法，表示从尾到头（逆序）选择元素。这里的意图通常是翻转最后一个维度的数据，比如将RGB格式转换为BGR格式，或者相反。
原文链接：
相关文章
