plt.imshow显示cv2读取的图像颜色不对的解决方案

plt.imshow显示cv2读取的图像颜色不对的解决方案

(plt.imshow与cv2.imshow显示同一图像颜色不一致)

原理

Opencv:

cv2.imread( ) 所读取的图像格式：每个像素为[B,G,R]的形式
cv2.imshow( ) 显示图像：按图像中每个像素为[B,G,R]的规则将图像显示出来

matplotlib:

mpimg.imread( ) 所读取的图像格式：每个像素为[R,G,B]的形式
plt.imshow( ) 显示图像：按图像中每个像素为[R,G,B]的规则将图像显示出来

示例

原图像

import matplotlib.pyplot as plt
import cv2

image = cv2.imread(r'D:\pythonProject_PlantSeedlingsClassification\0ace21089.png')

print(image.shape)
plt.imshow(image) 
plt.show()

输出：

可以看到这时我们用 cv2.imread 读取了图像，但是用 plt.imshow 输出时颜色却不对了。
这个原因便是上面讲过的 cv2 和 plt 读取图像时每个像素的格式是不一样的，前者是[B,G,R]，后者是[R,G,B]

解决方案

第一种方法（用原理解决，推荐）

如果坚持用 cv2.imread 读取图像，plt.imshow 显示图像：

利用原理来解决！

cv2 读取的是 [B,G,R] ，那么把它转化成顺序为 [R,G,B] 的格式不就可以用plt.imshow显示成正确的颜色嘛

# 读取图像，单个像素为[B,G,R](cv2的图像是bgr，注意),三维向量(高,宽,3)
image = cv2.imread(r'D:\pythonProject_PlantSeedlingsClassification\0ace21089.png')

b,g,r = cv2.split(image)
image_rgb = cv2.merge((r,g,b))

plt.figure()
fig, axes = plt.subplots(1, 2, figsize=(15, 15))
axes[0].imshow(image)
axes[1].imshow(image_rgb)
plt.show()

输出：

更新：
现在上面这部分代码可以直接用下面这句话来替代了。

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

第二种方法（最简单直接）

使用对应的读取与显示图像方式：

import matplotlib.pyplot as plt
import matplotlib.image as mpimg

image = mpimg.imread(r'D:\pythonProject_PlantSeedlingsClassification\0ace21089.png')

print(image.shape)
plt.imshow(image) 
plt.show()

输出：

(1899, 1900, 3)

或者

import matplotlib.pyplot as plt
import cv2

# 读取图像，单个像素为[B,G,R](cv2的图像是bgr，注意),三维向量(高,宽,3)
image = cv2.imread(r'D:\pythonProject_PlantSeedlingsClassification\0ace21089.png')

cv2.imshow('img',image)
cv2.waitKey(0)

输出：

第三种方法

如果坚持用 cv2.imread 读取图像，plt.imshow 显示图像，且显示的图像是灰度图（彩色图是无法解决的），可以用下面的方式：

import matplotlib.pyplot as plt
import cv2

# 读取图像，单个像素为[B,G,R](cv2的图像是bgr，注意),三维向量(高,宽,3)
image = cv2.imread(r'D:\pythonProject_PlantSeedlingsClassification\0ace21089.png')
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

print(image.shape)
print(image_gray.shape)
plt.figure()
fig, axes = plt.subplots(1, 2, figsize=(20, 20))
axes[0].imshow(image_gray)  # 直接显示 image_gray
axes[1].imshow(image_gray, cmap='gray')  # 显示正确颜色的方法
plt.show()

输出：

(1899, 1900, 3)
(1899, 1900)