前言

在讲解后面的采样以及傅里叶变换之前，我们需要掌握python对图像的输入、输出以及显示等操作。

本篇涉及都是简单的图像显示保存等操作，但是后面基于此复杂的变换都会或多或少用到这些知识。所以，别看非常简单，应用起来还是非常多的。

使用PIL读取，保存和显示图像

在PIL包中，使用Image.open()函数读取磁盘图像。获取图像后，我们可以完整的获取图像的宽高，分辨率等信息。

from PIL import Image

img=Image.open("4.jpg")

print("图像宽度："+str(img.width))
print("图像高度："+str(img.height))
print("图像分辨率："+img.format)
print("图像模式："+img.mode)

img.show()

运行之后，图片这些信息都会完整的显示出来：

而对于识别图像内容来说，我们一般都是将图像转换为灰度图像。而PIL包转换为恢复图像的方式如下：

img=Image.open("4.jpg")
imgL=img.convert("L")
imgL.show()

运行之后，灰度图像会通过默认的电脑图片显示程序，显示出来。

至于存储图像，我们通过如下代码实现：

imgL.save("1111111.jpg")

使用matplotlib读取，保存和显示图像

在OpenCV中，我们对图像进行直方图处理的时候，会经常辅助用到matplotlib包。所以，我们有必要掌握matplotlib包读取，保存与显示图像。

from matplotlib.image import imread
import matplotlib.pyplot as plt

img = imread("4.jpg")#读取图像
print(img.shape, img.dtype, type(img))#输出图像的参数
plt.figure(figsize=(10, 10))
plt.axis("off")#不显示坐标轴
#显示图像
plt.imshow(img)
plt.show()
plt.savefig("11111.jpg")#保存图像

上面注释非常详细，这里就不再赘述。不过，其imshow()方法还有一个插值参数interpolation。

plt.imshow(img,interpolation="spline16")

通过interpolation参数，我们可以使用不同的插值对图像进行处理。

使用scikit-image读取，保存和显示图像

scikit-image包与PIL一样，可以读取图像后获取图像的详细参数信息。同时，它也可以与OpenCV一样进行色彩空间的转换。

from skimage import io,color
import matplotlib.pyplot as plt
img=io.imread("4.jpg")#读取图像
print(img.shape,img.dtype,type(img))#输出图像参数
plt.axis("off")#去除坐标轴
io.imsave("11111.jpg",img)#保存图像
hsv=color.rgb2hsv(img)#图像转换为hsv色彩空间
#显示图像
plt.imshow(hsv)
plt.show()

scikit-image与matplotlib读取后的格式都是numpy.ndarray。

下面是skimage库子模块：