最近在研究深度學習視覺相關的東西，經常需要寫python代碼搭建深度學習模型。比如寫CNN模型相關代碼時，我們需要借助python圖像庫來讀取圖像并進行一系列的圖像處理工作。我最常用的圖像庫當然是opencv，很強大很好用，但是opencv也有一些坑，不注意的話也會搞出大麻煩。近期我也在看一些別人寫的代碼，因為個人習慣不一樣，他們在做深度學習時用于圖片讀取的圖像庫各不相同，從opencv到PIL再到skimage等等各種庫都有，有些庫讀進來的圖片存儲方式也不太一樣，如果不好好總結這些主流圖像讀寫庫特點的話，以后看代碼寫代碼都會遇坑無數。這篇文章就總結了以下主流Python圖像庫的一些基本使用方法和需要注意的地方：

1.opencv
2.PIL(pillow)
3.matplotlib.image
4.scipy.misc
5.skimage

opencv: cv2.imread

opencv作為我最常用的圖像處理庫，當然第一個介紹，并且介紹得比較全面。毋庸置疑，opencv是今天介紹得所有圖像庫中最全面也最強大的庫，如果我們只想掌握一個圖像庫，我覺得opencv庫肯定是最適合不過了。

圖片讀取操作

import cv2import numpy as np#讀入圖片：默認彩色圖，cv2.IMREAD_GRAYSCALE灰度圖，cv2.IMREAD_UNCHANGED包含alpha通道img = cv2.imread('1.jpg')cv2.imshow('src',img)print(img.shape) # (h,w,c)print(img.size) # 像素總數目print(img.dtype)print(img)cv2.waitKey()

值得注意的是，opencv讀進來的圖片已經是一個numpy矩陣了，彩色圖片維度是（高度，寬度，通道數）。數據類型是uint8。

#gray = cv2.imread('1.jpg',cv2.IMREAD_GRAYSCALE) #灰度圖#cv2.imshow('gray',gray)#也可以這么寫，先讀入彩色圖，再轉灰度圖src = cv2.imread('1.jpg')gray = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)cv2.imshow('gray',gray)print(gray.shape)print(gray.size)print(gray)cv2.waitKey()

上面提到了兩種獲取灰度圖的方式，讀進來的灰度圖的矩陣格式是（高度，寬度）。

#注意，計算圖片路徑是錯的，Opencv也不會提醒你，但print img時得到的結果是Noneimg2 = cv2.imread('2.jpg')print(img2)

#如何解決“讀到的圖片不存在的問題”？ #加入判斷語句，如果為空，做異常處理img2 = cv2.imread('2.jpg')if img2 == None:  print('fail to load image!')