OpenCV 在加载彩色图像时给出错误的颜色

问题描述：

我正在 Python OpenCV 中加载彩色图像并绘制该图像。但是，我得到的图像颜色全都混在一起了。

以下是代码：

import cv2
import numpy as np
from numpy import array, arange, uint8 
from matplotlib import pyplot as plt


img = cv2.imread('lena_caption.png', cv2.IMREAD_COLOR)
bw_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

images = []
images.append(img)
images.append(bw_img)

titles = ['Original Image','BW Image']

for i in xrange(len(images)):
    plt.subplot(1,2,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])

plt.show()

以下是原始图片：

绘制的图像如下：

解决方案 1：

OpenCV 使用 BGR 作为图像的默认颜色顺序，而 matplotlib 使用 RGB。当您在 matplotlib 中显示使用 OpenCv 加载的图像时，通道将位于后面。

解决这个问题的最简单方法是使用 OpenCV 将其明确转换回 RGB，就像创建灰度图像时一样。

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

然后在你的情节中使用它。

解决方案 2：

作为上一个答案的替代，您可以使用（稍快一点）

img = cv2.imread('lena_caption.png')[...,::-1]

%timeit [cv2.cvtColor(cv2.imread(f), cv2.COLOR_BGR2RGB) for f in files]

每循环 231 毫秒 ± 3.08 毫秒（7 次运行的平均值 ± 标准差，每次 1 个循环）

%timeit [cv2.imread(f)[...,::-1] for f in files]

每循环 220 毫秒 ± 1.81 毫秒（7 次运行的平均值 ± 标准差，每次 1 个循环）

解决方案 3：

简单的单行解决方案

np.flip(img, axis=-1) 

这可以双向转换。从 RGB 到 BGR，以及从 BGR 到 RGB。

解决方案 4：

如果您在暗黑模式下使用 PyCharm，您会发现从 BGR 更改为 RGB 是不够的。这是因为 PyCharm 有一个名为“反转暗黑主题的图像输出”的设置

禁用首选项 | 语言和框架 | Jupyter | 深色主题的反转图像输出应该会有所帮助

反转图像已打开：

反转图像已关闭：

请注意，两个示例中的代码相同。只有 PyCharm 中的设置不同。

解决方案 5：

读取图像后，通过从右到左读取矩阵将 bgr 矩阵的顺序还原为 rgb：

x = cv2.imread('./image.jpg')

x=x[:,:,::-1]

plt.imshow(x)

解决方案 6：

您可能还想尝试 cv2.IMREAD_UNCHANGED()。请参阅此处了解更多信息，了解它与 IMREAD_COLOR 的区别：

https://www.geeksforgeeks.org/python-opencv-cv2-imread-method/

解决方案 7：

如果您尝试使用 OpenCV 读取图像，它将默认使用 BGR。因此，您必须使用不同的方法来读取图像。我已对您的代码进行了必要的更改，以获得所需的输出，如下所示。

import cv2
import numpy as np
from numpy import array, arange, uint8 
from matplotlib import pyplot as plt


img = cv2.cvtColor(cv2.imread('lena_caption.png'), cv2.COLOR_BGR2RGB)
bw_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

images = []
images.append(img)
images.append(bw_img)

titles = ['Original Image','BW Image']

for i in xrange(len(images)):
    plt.subplot(1,2,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])

plt.show()

输出：