深度学习与深度合成-图像显示

完成图像读取后，可以利用imshow函数显示图像（图3-4）。

import　cv2

img=cv2.imread（"lena.jpg"）

cv2. imshow（"lena"，img）#图像的显示，也可以创建多个窗口

cv2. waitKey（0）#等待时间，0表示按任意键终止

cv2. destroyAllWindows（）

图3-4　单幅图像显示

为了查看图像的大小等参数，可以使用图像shape属性显示，使用的语句如下：

img. shape

显示结果为（480，500，3）。需要注意的是，列出的数组分别代表高度、宽度与色彩通道数，这与一般生活中描述图像常采用宽度加高度的方式不同。

cv2. inshow是打开一个窗口显示，如要更方便地显示图像，还可以利用mat-plotlib绘图库将图像展示出来，一般是通过cv2.imread读出图片，然后用plt.ims-how显示图片。当有多幅图像需要显示时，可以利用add_subplot方法设置多个显示区域。

import　cv2

import matplotlib. pyplot as plt(www.xing528.com)

#import numpy as np

%matplotlib inline

Image_BGR=cv2.imread（＇./lena.jpg'）#读入图片

Image_RBG=cv2.cvtColor（Image_BGR, cv2.COLOR_BGR2RGB）#BGR转换为RGB

fig=plt.figure（figsize=（8，6））#新建figure对象

ax1=fig.add_subplot（2，2，1）#新建子图1

ax2=fig.add_subplot（2，2，2）#新建子图2

ax1. imshow（Image_BGR）

ax2. imshow（Image_RBG）

从图3-5可以看出，左右两幅图色彩不一致，这是因为利用OpenCV读取图像的数据类型为numpy.ndarray，格式为（h, w，c），其彩色图像三基色的顺序为BGR, matplotlib绘图库处理彩色图像采用的是常用的RGB三基色顺序，这样直接显示出来的效果如左边图像所示，造成了色彩失真，为正常显示，可以利用cvt-Color（）进行色彩空间转换，如显示效果右图所示。

图3-5　BGR图像和RGB图像