Python图像读取方式对比：PIL、OpenCV、Matplotlib与skimage

常见图像读取方式概览

在Python生态中，读取图像文件有多种主流方式。理解它们的底层行为是进行后续处理（如深度学习、图像分析）的基础。主要涉及的库包括PIL、OpenCV、Matplotlib和skimage。

• PIL (Pillow)：通过 PIL.Image.open 读取，不直接返回NumPy数组，需手动转换。
• OpenCV (cv2)：通过 cv2.imread 读取，直接返回NumPy数组，但通道顺序为BGR。
• Matplotlib：通过 matplotlib.image.imread 读取，直接返回NumPy数组，通道顺序为RGB。
• skimage：通过 skimage.io.imread 读取，直接返回NumPy数组，通道顺序为RGB。
• Caffe：通过 caffe.io.load_image 读取，本质调用skimage，返回0-1范围的float型数据。

各库读取行为详细对比

为了清晰展示差异，我们将重点分析返回对象类型、通道顺序以及像素值范围。

1. PIL.Image.open

PIL是Python图像处理的标准库之一。调用 Image.open() 时，它返回的是一个PIL Image对象，而非NumPy数组。这意味着如果需要直接使用NumPy进行矩阵运算，必须显式调用 np.array() 进行转换。其通道顺序为标准的RGB，像素值范围通常为0-255（uint8）。

2. OpenCV (cv2.imread)

OpenCV的 cv2.imread() 函数直接返回一个NumPy数组（numpy.ndarray），这简化了后续处理。然而，OpenCV默认以BGR（蓝绿红）顺序读取图像，这与大多数其他库及显示标准（RGB）不同。像素值范围同样为0-255。若直接使用OpenCV读取的图像进行显示，需注意通道转换。

3. Matplotlib (matplotlib.image.imread)

Matplotlib的 mpimg.imread() 函数行为类似于MATLAB，直接返回NumPy数组。其通道顺序为标准的RGB，像素值范围0-255。由于Matplotlib主要用于显示，其读取方式与显示预期一致，通常无需额外转换。

4. skimage (skimage.io.imread)

skimage的 io.imread() 同样直接返回NumPy数组，通道顺序为RGB，像素值范围0-255。值得注意的是，Caffe框架中的 caffe.io.load_image() 函数内部调用了skimage，但它返回的是0-1范围内的float型数据，这在深度学习预处理中较为常见。

完整代码示例与显示处理

以下代码演示了如何统一使用这几种方式读取图像，并通过Matplotlib进行显示。重点展示了如何处理OpenCV读取的BGR图像，使其在显示时正确呈现。

#encoding=utf8
from PIL import Image
import numpy as np
import cv2
import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片
import skimage
from skimage import io 

# 设置测试图像路径
imagepath='test1.jpg'

# 1. PIL读取
# 注意：PIL.Image.open不直接返回numpy对象，需转换
im1 = Image.open(imagepath)
im1 = np.array(im1) # 转换为numpy对象，通道为RGB
print('PIL Type:', type(im1))
print('PIL Shape:', im1.shape)

# 2. OpenCV读取
# 直接返回numpy.ndarray，但通道顺序为BGR
im2 = cv2.imread(imagepath)
print('OpenCV Type:', type(im2))
print('OpenCV Shape:', im2.shape) # 形状通常为 [width, height, 3]

# 3. Matplotlib读取
# 直接返回numpy.ndarray，通道顺序为RGB
im3 = mpimg.imread(imagepath)
print('Matplotlib Type:', type(im3))
print('Matplotlib Shape:', im3.shape)

# 4. skimage读取
# 直接返回numpy.ndarray，通道顺序为RGB
im4 = io.imread(imagepath)
print('skimage Type:', type(im4))
print('skimage Shape:', im4.shape)

# 统一使用plt进行显示
# 注意：cv2.imshow内部会将BGR转换为RGB显示，但plt.imshow期望RGB
# 因此，对于cv2读取的im2，直接plt.imshow会显示为蓝红颠倒
plt.subplot(221)
plt.title('PIL read (RGB)')
plt.imshow(im1)

plt.subplot(222)
plt.title('OpenCV read (BGR->RGB fix needed for plt)')
# 若要用plt正确显示OpenCV读取的图像，需转换通道：im2[:,:,::-1]
plt.imshow(im2) 

plt.subplot(223)
plt.title('Matplotlib read (RGB)')
plt.imshow(im3)

plt.subplot(224)
plt.title('skimage read (RGB)')
plt.imshow(im4)

# plt.axis('off') # 可选：不显示坐标轴
plt.show()

运行上述代码后，控制台将输出各库读取图像的类型（均为 <class 'numpy.ndarray'>）和形状（如 (851, 1279, 3)）。通过Matplotlib的 plt.show()，可以直观对比不同库读取的图像。需要注意的是，OpenCV读取的图像在Matplotlib中直接显示时，由于通道顺序差异（BGR vs RGB），颜色会出现异常（如蓝色和红色互换）。若需正确显示OpenCV读取的图像，应在显示前进行通道转换：im2[:,:,::-1]。

总结

选择合适的图像读取库取决于具体需求。若需与OpenCV后续处理集成，直接使用 cv2.imread 最为便捷，但需注意BGR通道。若需与Matplotlib显示或大多数深度学习框架兼容，PIL、Matplotlib和skimage提供的RGB通道更为直接。理解这些差异并掌握通道转换技巧，是高效进行Python图像处理的关键。

以上就是Python imread函数详解：PIL、OpenCV、Matplotlib与skimage读取差异对比的详细内容，更多关于Python图像处理库使用技巧的资料请关注本站其它相关文章！