【matplotlib + opencv】关于opencv和matplotlib绘制图像时，出现色差色偏的问题探讨，思考，解决。（深度学习数据包plt.imshow绘制的图像底色偏绿蓝偏黄）

文章目录

一、图像红变蓝，蓝变红的问题
- （1）原因分析
- （2）代码及结果展示
- - 1）错误代码
  - 2）错误结果
  - 3）正确代码
二、深度学习数据包plt.imshow绘制图像偏蓝黄色
- （1）原因分析
- - 1）原理解释代码
  - 2）结果
- （2）实际绘图分析与解决
- - 1）问题代码示例
  - 2）问题结果
  - 3）期望代码示例
  - 4）期望结果
三、参考

一、图像红变蓝，蓝变红的问题

（1）原因分析

用cv2.imread()读取数据，用plt.imshow()展示数据会出现红变蓝，蓝变红的问题。
原因：cv2.imread() 读取图像格式为b,g,r（这是由于以前流行bgr格式的图像显示方式，今年才流行rgb格式，opencv的这个格式是历史遗留问题）而 plt.imshow()显示按照 rgb次序。因此会出现色偏，应该使用
RGB 和 BGR 的转换可以直接使用 cvt = org[:,:,::-1] 来实现，前两个 : 表示第一第二维不变，::-1表示将第三维倒序排列。

（2）代码及结果展示

1）错误代码

import cv2
import matplotlib.pyplot as pltimage = cv2.imread('1.jpg')
# image = image[:, :, ::-1]
print(image.shape)
plt.imshow(image)
# 关闭x,y轴刻度
plt.xticks([])
plt.yticks([])
# 关闭坐标轴
plt.axis('off')
plt.show()

2）错误结果

左边为原图，右边为plt.imshow()显示的图片，可以发现红变蓝，蓝变红的问题

3）正确代码

RGB 和 BGR 的转换可以直接使用 cvt = org[:,:,::-1] 来实现，前两个 : 表示第一第二维不变，::-1表示将第三维倒序排列。

import cv2
import matplotlib.pyplot as pltimage = cv2.imread('1.jpg')
# 修改的地方，bgr→rgb
image = image[:, :, ::-1]
# 或image = image[:,:,[2,1,0]]
print(image.shape)
plt.imshow(image)
# 关闭x,y轴刻度
plt.xticks([])
plt.yticks([])
# 关闭坐标轴
plt.axis('off')
plt.show()

二、深度学习数据包plt.imshow绘制图像偏蓝黄色

（1）原因分析

色偏问题原因：plt.imshow()在绘制2维图像时，0（最小值）显示深蓝色，1（最大值）显示黄色，其他数值显示由蓝到黄的过度颜色，所以图像画出来是蓝黄相间的。

1）原理解释代码

# coding=utf-8
from matplotlib import pyplot as pltX = [[0.1, 0.2, 0.3],[0.4, 0.5, 0.6],[0.7, 0.8, 0.9]]
plt.imshow(X)
plt.colorbar()
# # 关闭x,y轴刻度
# plt.xticks([])
# plt.yticks([])
# # 关闭坐标轴
# plt.axis('off')
plt.show()

2）结果

（2）实际绘图分析与解决

下图每一张图像是由（28，28， 1）压缩（np.squeeze）到（28，28）的异色图像，
以下代码以FashionMNIST数据集为例，首先读取10个（28，28）的图片展示在一排，图片颜色维蓝黄色。
相关博客：【pytorch + matplotlib】将若干张图像拼接成一张图像（附代码，以FashionMNIST为例）（subplot 和 subplots区别）

1）问题代码示例

import matplotlib.pyplot as plt
import numpy as np
import torchvision
import torchvision.transforms as transforms
from IPython import displaynp.set_printoptions(threshold=100000000)mnist_train = torchvision.datasets.FashionMNIST(root='./data', train=True, download=True,transform=transforms.ToTensor())
mnist_test = torchvision.datasets.FashionMNIST(root='./data', train=False, download=True,transform=transforms.ToTensor())def use_svg_display():"""Use svg format to display plot in jupyter"""display.set_matplotlib_formats('svg')# 本函数已保存在d2lzh包中方便以后使用
def get_fashion_mnist_labels(labels):text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat','sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']return [text_labels[int(i)] for i in labels]# 本函数已保存在d2lzh包中方便以后使用
def show_fashion_mnist(images, labels):use_svg_display()# 这里的_表示我们忽略（不使用）的变量_, figs = plt.subplots(1, len(images), figsize=(12, 12))for f, img, lbl in zip(figs, images, labels):# np.squeeze将（1，28，28）→（28，28）f.imshow(np.squeeze(img.numpy()))f.set_title(lbl)f.axes.get_xaxis().set_visible(False)f.axes.get_yaxis().set_visible(False)plt.show()# 完成了torch.utils.data.DataLoader的功能
X, y = [], []
for i in range(10):X.append(mnist_train[i][0])y.append(mnist_train[i][1])
show_fashion_mnist(X, get_fashion_mnist_labels(y))

2）问题结果

3）期望代码示例

绘制出黑白图像方法：将三个相同的（28，28， 1）的图像升维为（28，28， 3）的图像，然后绘制出来，就可以发现是正常的黑白图像了。

import matplotlib.pyplot as plt
import numpy as np
import torchvision
import torchvision.transforms as transforms
from IPython import displaynp.set_printoptions(threshold=100000000)mnist_train = torchvision.datasets.FashionMNIST(root='./data', train=True, download=True,transform=transforms.ToTensor())
mnist_test = torchvision.datasets.FashionMNIST(root='./data', train=False, download=True,transform=transforms.ToTensor())def use_svg_display():"""Use svg format to display plot in jupyter"""display.set_matplotlib_formats('svg')# 本函数已保存在d2lzh包中方便以后使用
def get_fashion_mnist_labels(labels):text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat','sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']return [text_labels[int(i)] for i in labels]# 本函数已保存在d2lzh包中方便以后使用
def show_fashion_mnist(images, labels):use_svg_display()# 这里的_表示我们忽略（不使用）的变量_, figs = plt.subplots(1, len(images), figsize=(12, 12))for f, img, lbl in zip(figs, images, labels):img = np.squeeze(img).numpy()# (3, 28, 28)image = np.array([img, img, img])# (3, 28, 28) → (28, 28, 3)f.imshow(np.transpose(image, (1, 2, 0)))f.set_title(lbl)f.axes.get_xaxis().set_visible(False)f.axes.get_yaxis().set_visible(False)plt.show()# 完成了torch.utils.data.DataLoader的功能
X, y = [], []
for i in range(10):X.append(mnist_train[i][0])y.append(mnist_train[i][1])
show_fashion_mnist(X, get_fashion_mnist_labels(y))

4）期望结果

最后终于得到了想要的黑白图像啦！

三、参考

【小记】RGB图像转换为BGR-详细讲解了如何手动将RGB图像转换为BGR图像
python将两个二维array叠加成三维array的实现方法

【matplotlib + opencv】关于opencv和matplotlib绘制图像时，出现色差色偏的问题探讨，思考，解决。（深度学习数据包plt.imshow绘制的图像底色偏绿蓝偏黄）相关推荐

谷歌利用深度学习结合荧光标记，准确预估显微图像
文章来源:ATYUN AI平台在生物学和医学领域,显微技术为研究人员提供人肉眼无法观察到的细胞和分子的细节.透射光显微镜能够将生物样本在一边被照亮且成像,技术相对简单,生物样本耐受度高,然而缺点是产 ...
图像配准的前世今生：从人工设计特征到深度学习
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达机器之心编译参与:Nurhachu Null,Geek AI 作 ...
深度学习数据增强方法，利用仿射变换实现图像进行各种操作如平移、缩放、旋转、翻转
导读在深度学习的数据增强中,我们经常需要对图像进行各种增强操作如平移.缩放.旋转.翻转等,这些其实都是图像的仿射变换.通过本篇文章,你能够知道它们的实现原理以及如何应用它们.本文讲述如何通过仿射变换 ...
图像协方差矩阵_深度学习的预处理：从协方差矩阵到图像白化
图像协方差矩阵 by hadrienj 由hadrienj The goal of this post is to go from the basics of data preprocessing t ...
【深度学习】利用CNN来检测伪造图像
随着像Facebook和Instagram这样的社交网络服务的出现,在过去十年中产生的图像数据量有一个巨大增加.使用图像(和视频)等处理软件GNU Gimp,Adobe Photoshop创建修改过的 ...
[人工智能-深度学习-61]：生成对抗网络GAN - 图像融合的基本原理与案例
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客本文网址:https://blog.csdn.net/HiWangWenBing/article/detai ...
《动手学深度学习》Task09：目标检测基础+图像风格迁移+图像分类案例1
1 目标检测基础 1.1 目标检测和边界框(9.3) %matplotlib inline from PIL import Imageimport sys sys.path.append('/home ...
【深度学习】用变分自编码器生成图像和生成式对抗网络
目录问题描述: 代码展示: VAE代码段 GAN部分(仅供参考) 运行截图: 参考: 问题描述: 从图像的潜在空间中采样,并创建全新图像或编辑现有图像,这是目前最流行也是最成功的创造性人工智能应用 ...
获取分辨率函数是什么_深度学习应用“Zero Shot”超分辨率重构图像
超分辨率(SR)是一种提高图像分辨率的技术. 这些方法是从低分辨率(LR)图像中获得高分辨率(HR)输出.执行单图像超分辨率(SISR)的目的是在增加图像尺寸的同时使其质量下降的最小.应用范围很广,如 ...

【matplotlib + opencv】关于opencv和matplotlib绘制图像时，出现色差色偏的问题探讨，思考，解决。（深度学习数据包plt.imshow绘制的图像底色偏绿蓝偏黄）

文章目录

一、图像红变蓝，蓝变红的问题

（1）原因分析

（2）代码及结果展示

1）错误代码

2）错误结果

3）正确代码

二、深度学习数据包plt.imshow绘制图像偏蓝黄色

（1）原因分析

1）原理解释代码

2）结果

（2）实际绘图分析与解决

1）问题代码示例

2）问题结果

3）期望代码示例

4）期望结果

三、参考

【matplotlib + opencv】关于opencv和matplotlib绘制图像时，出现色差色偏的问题探讨，思考，解决。（深度学习数据包plt.imshow绘制的图像底色偏绿蓝偏黄）相关推荐

最新文章

热门文章