CV2读取图片-优快云博客

本文详细介绍如何使用OpenCV读取并转换图像格式，包括从BGR到RGB的色彩空间转换，以及如何通过numpy库调整图像尺寸以适配神经网络输入要求。同时，介绍了在PyTorch框架中增加批次大小维度的方法。

cv2.imread()

现在我们使用cv2.imread()来读取一张照片，

image = cv2.imread('image_name.jpg')
image.shape
# output:(96, 64, 3)

image[0][0]
# output:
# array([175, 197，239], dtype=uint8)

可以看出output为（96, 64, 3），其中，96代表图片高度，64代表图片宽度，3代表通道为BGR。

我们查看一下image[0][0]数组，可以看出是 [175, 197，239]

cv2.cvtColor()

如果我们使用cv2.cvtColor(image, cv2.COLOR_BGR2RGB)，来将BGR转换为RGB，

image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image.shape
#output:(96, 63, 3)

image[0][0]
# output:
# array([239, 197, 175], dtype=uint8)

还是（96, 64, 3），只不过每组元素最里面的三位数字发生了转化。

我们查看一下image[0][0]数组，可以看出是 [239, 197, 175]

np.transpose()

当我们需要把这些数组输入神经网络的时候，我们还需要将格式由[h, w, c]转换为[c, h, w]。

这时我们可以使用:

image = np.transpose(image, [2, 0, 1])
image.shape
# output:(3, 96, 64)

# 如果要输入至pytorch，我们需要增加一个batch_size维度
image = np.expand_dims(image, axis=0)
image.shape
# output:(1, 3, 96, 64)