1.    OpenCV图像显示

之前用cv2.imshow显示图像，但这种方式无法显示的窗口无法调整大小，当显示的图像比较大的时候就无法看到完整的图像，因此我们先创建窗口再显示图像：

• 
  
  import cv2
  
  
• 
  
  
  
  
• 
  
  img = cv2.imread('f:\\tmp\\cotton.jpg')
  
  
• 
  
  
  
  
• 
  
  win = cv2.namedWindow('test win', flags=0)
  
  
• 
  
  
  
  
• 
  
  cv2.imshow('test win', img)
  
  
• 
  
  
  
  
• 
  
  cv2.waitKey(0)
  
  
• 
  
  
  
  
  

opencv采用窗口名称来访问窗口，而不是窗口句柄之类的东西。

flags为0表示窗口可以用鼠标来改变大小，此时显示的图像也跟着窗口大小变化，需要注意的是它可能会导致图像的变形：

cv2.namedWindow最终使用下面的c函数完成具体的功能：

• 
  
  /* create window */
  
  
• 
  
  CVAPI(int) cvNamedWindow( const char* name, int flags CV_DEFAULT(CV_WINDOW_AUTOSIZE) );
  
  
  

这里的flags可以接受的值为：

• 
  
      //These 2 flags are used by cvNamedWindow and cvSet/GetWindowProperty
  
  
• 
  
      CV_WINDOW_NORMAL       = 0x00000000, //the user can resize the window (no constraint)  / also use to switch a fullscreen window to a normal size
  
  
• 
  
      CV_WINDOW_AUTOSIZE     = 0x00000001, //the user cannot resize the window, the size is constrainted by the image displayed
  
  
• 
  
      CV_WINDOW_OPENGL       = 0x00001000, //window with opengl support
  
  
• 
  
  
  
  
  

2.    matplotlib图像显示

接下来试试用matplotlib显示图像：

• 
  
  import cv2
  
  
• 
  
  import matplotlib.pyplot as plt
  
  
• 
  
  
  
  
• 
  
  img = cv2.imread('f:\\tmp\\cotton.jpg')
  
  
• 
  
  
  
  
• 
  
  plt.imshow(img)
  
  
• 
  
  plt.show()
  
  
  

图像的颜色有误：

将第1通道和第3通道交换后显示：

• 
  
  import numpy as np
  
  
• 
  
  import cv2
  
  
• 
  
  import matplotlib.pyplot as plt
  
  
• 
  
  
  
  
• 
  
  img = cv2.imread('f:\\tmp\\cotton.jpg')
  
  
• 
  
  (r, g, b)=cv2.split(img)
  
  
• 
  
  img=cv2.merge([b,g,r])
  
  
• 
  
  
  
  
• 
  
  plt.imshow(img)
  
  
• 
  
  plt.show()
  
  
• 
  
  
  
  
  

这回正常了：

从前面可以看到cv2.imshow与plt.imshow的差异。cv2.imshow显示的图像窗口难以按比例缩放，但如果用plt.imshow则需要交换第一个颜色通道和第三个颜色通道。

3.    用plt读取图像

再比较一下plt.imread和cv2.imread的差别：

• 
  
  import numpy as np
  
  
• 
  
  import cv2
  
  
• 
  
  import matplotlib.pyplot as plt
  
  
• 
  
  
  
  
• 
  
  img1 = cv2.imread('f:\\tmp\\cotton.jpg')
  
  
• 
  
  img2 = plt.imread('f:\\tmp\\cotton.jpg')
  
  
• 
  
  
  
  
• 
  
  plt.subplot(121)
  
  
• 
  
  plt.imshow(img1)
  
  
• 
  
  
  
  
• 
  
  plt.subplot(122)
  
  
• 
  
  plt.imshow(img2)
  
  
• 
  
  
  
  
• 
  
  plt.show()
  
  
• 
  
  
  
  
  

上述代码读取同一张图像并用相同的方法显示，差异还是在颜色通道上：

4.    matplotlib显示灰度图

对于只有一个颜色通道的图像，matplotlib可以指定一个map，将单个颜色通道的图像转换为彩色图像。

matplotlib支持下面的map。

• 
  
  In [8]: import matplotlib.cm as cm
  
  
• 
  
  
  
  
• 
  
  In [9]: cm.cmap_d
  
  
• 
  
  Out[9]:
  
  
• 
  
  {u'Accent': <matplotlib.colors.LinearSegmentedColormap at 0x22cbf50>,
  
  
• 
  
  u'Accent_r': <matplotlib.colors.LinearSegmentedColormap at 0x22d7150>,
  
  
• 
  
  .......
  
  
• 
  
  u'winter': <matplotlib.colors.LinearSegmentedColormap at 0x22d7290>,
  
  
• 
  
  u'winter_r': <matplotlib.colors.LinearSegmentedColormap at 0x22cb910>}
  
  
  

选择一个map进行显示：

• 
  
  import numpy as np
  
  
• 
  
  import cv2
  
  
• 
  
  import matplotlib.pyplot as plt
  
  
• 
  
  import matplotlib.cm as cm
  
  
• 
  
  
  
  
• 
  
  img = plt.imread('f:\\tmp\\cotton.jpg')
  
  
• 
  
  img = img[:,:,0]
  
  
• 
  
  
  
  
• 
  
  plt.subplot(121)
  
  
• 
  
  plt.imshow(img)
  
  
• 
  
  
  
  
• 
  
  plt.subplot(122)
  
  
• 
  
  #plt.colorbar()
  
  
• 
  
  plt.imshow(img, cmap=cm.get_cmap('winter'))
  
  
• 
  
  
  
  
• 
  
  plt.show()
  
  
• 
  
  
  
  
  

结果如下：

【转载】https://blog.csdn.net/lights_joy ... 907?utm_source=copy

奈斯