Python读取和保存图片的5种主流方法对比
本文详细对比了Python中读取和保存图片的五种常用方法，包括PIL、Matplotlib、OpenCV、Scipy及Skimage。重点解析了各方法返回的数据格式差异，特别是单通道图像在OpenCV中的通道扩展问题，并深入探讨了Python对象赋值、浅拷贝与深拷贝的区别，帮助开发者根据实际需求选择最优方案。
Python读取和保存图片的5种主流方法对比
在Python中，对象之间的赋值操作默认是按引用传递的。若需要创建对象的独立副本，必须使用标准库中的copy模块进行显式拷贝操作。
方法一：利用 PIL 中的 Image 函数
通过该函数读取图像后，返回结果并非 numpy array 格式。此时，需借助 np.asarray(im) 或 np.array() 函数将其转换为数组格式。
关键区别在于：np.array() 执行的是深拷贝，而 np.asarray() 执行的是浅拷贝。
copy.copy 实现浅拷贝，仅复制父对象，不会递归拷贝对象内部的子对象。
copy.deepcopy 实现深拷贝，会完整拷贝对象及其所有子对象。
具体示例如下：
import copy
a = [1, 2, 3, 4, ['a', 'b']] #原始对象
b = a #赋值，传对象的引用
c = copy.copy(a) #对象拷贝，浅拷贝
d = copy.deepcopy(a) #对象拷贝，深拷贝
a.append(5) #修改对象a
a[4].append('c') #修改对象a中的['a', 'b']数组对象
print 'a = ', a
print 'b = ', b
print 'c = ', c
print 'd = ', d
运行输出结果：
a = [1, 2, 3, 4, ['a', 'b', 'c'], 5] b = [1, 2, 3, 4, ['a', 'b', 'c'], 5] c = [1, 2, 3, 4, ['a', 'b', 'c']] d = [1, 2, 3, 4, ['a', 'b']]
建议深入理解深拷贝与浅拷贝在内存管理中的具体行为差异。
from PIL import Image
import numpy as np
I = Image.open('./cc_1.png')
I.show()
I.save('./save.png')
I_array = np.array(I)
print I_array.shape
方法二：利用 matplotlib
使用 matplotlib.pyplot 模块（通常简写为 plt）主要用于图像显示。
使用 matplotlib.image 模块（通常简写为 mpimg）负责读取图片文件。
该方法读取图像后，直接返回 array 格式，无需额外转换。
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import numpy as np
I = mpimg.imread('./cc_1.png')
print I.shape
plt.imshow(I)
方法三：利用 OpenCV-Python 接口
cv2.imread() 读取图像同样返回 array 形式。需要注意的是，如果原始图像是单通道（灰度图），OpenCV 读取后会自动将其转换为三通道格式。
import cv2
I = cv2.imread('./cc_1.png')
print I.shape
方法四：图像处理库 Scipy
在图像存取方面，笔者倾向于使用 scipy 库中的相关功能。
读取结果同样为 array 形式，且按照（H，W，C）即高度、宽度、通道的顺序进行保存。
import matplotlib.pyplot as plt
from scipy import misc
import scipy
I = misc.imread('./cc_1.png')
scipy.misc.imsave('./save1.png', I)
plt.imshow(I)
plt.show()
方法五：用 skimage 库
from skimage import io,data img=data.lena() io.imshow(img)
关于图像的存储方式，主要涉及两种操作：
当对象为图片实例时，调用 object.save(path) 函数进行保存。
当对象为二维数组时，使用 misc.imsave(path, object) 函数进行保存。
上述 Python 读取图片的五种方法使用均较为简便，建议读者在自己的开发环境中进行实际测试以加深理解。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
