目标：

• 学会如何读取、显示以及保存图像
• 学习函数：cv.imread(), cv.imshow(), cv.imwrite()
• 用Matplotlib显示图像

OpenCV的使用

读取图像

cv.imread()函数用于读取图像，需要注意的是，该图像应该处在Python代码源文件或者已给出完整路径的工作目录中。针对函数的第二个参数，通过以下几个例子分别说明各自功能。

• cv.IMREAD_COLOR：默认参数，以彩色模式加载图像，图像的透明度将被忽略。
• cv.IMREAD_GRAYSCALE：以灰度模式加载图像。
• cv.IMREAD_UNCHANGED：以alpha通道模式加载图像。

注意：你也可以通过传递1，0，-1来代替上面三个函数功能。

参考代码：

import numpy as np
import cv2 as cv
# Load an color image in grayscale
img = cv.imread('messi5.jpg',0)

注意：即使图像路径错误，它也不会抛出任何错误，但是print(img)会显示None

显示图像

cv.imshow()函数被用于在窗口中显示图像，窗口会自动适应图像大小。 其中，函数的第一个参数是窗口的名称，是字符串类型。第二个参数是要加载的图像。你可以显示多个图像窗口，但是每个窗口名称必须不同。

参考代码：

cv.imshow('image',img)
cv.waitKey(0)
cv.destroyAllWindows()

窗口如图所示：

cv.waitKey()是一个键盘事件函数，它的参数以毫秒为单位，该函数在毫秒的时间内去等待键盘事件，如果时间之内有键盘事件触发则程序继续，如果函数参数设置为0，则无限时间的等待键盘事件触发。它也可以设置为检测指定按键的触发，比如等待按键a的触发，我们将在下面讨论。

注意：这个函数除了可以等待键盘事件的触发之外还可以处理很多其他的GUI事件，所以你必须把它放在显示图像函数之后。

cv.destroyAllWindow()函数用于关闭我们所创建的所有显示图像的窗口，如果想要关闭特定的窗口，请使用cv.destroyWindow()函数，把要关闭的窗口名称作为参数。

注意：特别地，你也可以先创建一个窗口，再加载图像。在这种情况下，你可以使用cv.nameWindow()函数自行调整窗口大小。函数默认参数是cv.WINDOW_AUTOSIZE。你可以使用cv.WINDOW_NORMAL函数，以自行调整窗口大小。当图像尺寸太大或者需要添加滚动条时， 上述函数将会非常有用。

参考以下代码：

cv.namedWindow('image', cv.WINDOW_NORMAL)
cv.imshow('image',img)
cv.waitKey(0)
cv.destroyAllWindows()

保存图像

cv.imwrite()函数用于保存图像。其中第一个参数是保存为的图片名，第二个参数为待保存图像。 参考一下代码：

cv.imwrite('messigray.png',img)

上述代码将图片保存为PNG格式。

总结

下面的代码程序将加载并显示为灰度图像，按's'则保存图像并退出，按'ESC'键直接退出且不保存。

参考代码：

import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg',0)
cv.imshow('image',img)
k = cv.waitKey(0)
if k == 27:         # wait for ESC key to exit
    cv.destroyAllWindows()
elif k == ord('s'): # wait for 's' key to save and exit
    cv.imwrite('messigray.png',img)
    cv.destroyAllWindows()

注意：如果你使用的计算机是64位，用k = cv.waitKey(0)代替：k = cv.waitKey(0) ＆ 0xFF

使用Matplotlib

Matplotlib是Python的绘图库，为你提供各种绘图方法。 接下来，你将学习如何使用Matplotlib显示图像、缩放图片和保存图片等。下面将详述其使用方法。 参考代码：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('messi5.jpg',0)
plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])  # to hide tick values on X and Y axis
plt.show()

窗口如图所示：

Matplotlib提供了大量的绘图选项。有关更多详细信息，请参阅Matplotlib文档。 在以后的学习中，我们将详细介绍。

注意：OpenCV加载的彩色图像处于BGR模式，但Matplotlib以RGB模式显示。因此，如果使用OpenCV读取图像，则Matplotlib中的彩色图像将无法正确显示。请参阅练习了解更多详情。