一看到题主的问题，其实就有个猜想，其实底层应该都是一样的，或者说没几个独立的实现吧？主要是关注开源软件一段时间之后，就会发现开源界其实挺缺人的，现有这些人也都挺懒的。挖坑的人多，填坑的人少。说是这活谁都可以参与，但其实真没多少人实际做。一个活有一个人干了，其他人一般就懒得再重复了。以下就是从源码来看这些开源库的具体实现。

1. PIL.Image.open

代码在这里：Pillow/Image.py at 3.1.x · python-pillow/Pillow · GitHub​github.com

open() 函数打开图像，但并不读入，直到有操作发生。

具体的读取操作是在 ImageFile.py 写的。大体流程是先检测文件类型，整块地读入文件内容，然后调用解码器解码，做了很多优化，效率应该还是很高的。

2. scipy.misc.imread

misc 的 __init__.py 在这里：scipy/__init__.py at v0.17.1 · scipy/scipy · GitHub​github.com

调用的还是 pilutil 中的 imread

相关代码如下:

try:

from .pilutil import *

from . import pilutil

__all__ += pilutil.__all__

del pilutil

except ImportError:

pass

也算是学了一招，从 pilutil 导入其所有函数添加到当前空间，然后又删除了 pilutil 消除影响。

3. scipy.ndimage.imread

代码在这里：scipy/io.py at v0.17.1 · scipy/scipy · GitHub​github.com

imread 调用 scipy.misc.pilutil.imread。从名字就能看出来其实调用的还是 Pillow。

根据 pilutil 代码：scipy/pilutil.py at v0.17.1 · scipy/scipy · GitHub​github.com

确实是调用 pil.image.open()，然后返回一个 fromimage()。

20180410 更新：scipy.ndimage.imread，其实调用的就是 scipy.misc.imread。我之前没写清楚。代码在这里：https://github.com/scipy/scipy/blob/80e76d43f0ada0a1964195cb6d13ae519feb07e8/scipy/ndimage/io.py#L8​github.com

_have_pil = True

try:

from scipy.misc.pilutil import imread as _imread

except ImportError:

_have_pil = False

挺过分的，本身已经用的是 pillow 的 imread 了。又在自己的包里面提供了两个不同的接口。不知道的，还以为做了多少工作呢。其实同一个代码文件里面也标记了，这个 imread 要废弃了，还请直接调用 matplotlib……啊？？？什么鬼！！！你自己包里面用了两处 pillow 的 imread，然后废弃一个，却推荐别人用 matplotlib 替代，口是心非傲娇代码包。戏精代码如下：

# Use the implementation of `imread` in `scipy.misc.pilutil.imread`.

# If it weren't for the different names of the first arguments of

# ndimage.io.imread and misc.pilutil.imread, we could simplify this file

# by writing

# from scipy.misc.pilutil import imread

# Unfortunately, because the argument names are different, that

# introduces a backwards incompatibility.

@np.deprecate(message="`imread` is deprecated in SciPy 1.0.0.\n"

"Use ``matplotlib.pyplot.imread`` instead.")

def imread(fname, flatten=False, mode=None):

if _have_pil:

return _imread(fname, flatten, mode)

raise ImportError("Could not import the Python Imaging Library (PIL)"

" required to load image files. Please refer to"

" http://pillow.readthedocs.org/en/latest/installation.html"

" for installation instructions.")

4. skimage.io.imread

代码在这里：scikit-image/_io.py at master · scikit-image/scikit-image · GitHub​github.com

(20180410 更新：该部分代码已修改，链接不可用了

是通过插件 plugin 来读入不同的文件，而且会试用几个不同的 plugins 来找到合适的。

使用 call_plugin 来调用，代码在这里：scikit-image/manage_plugins.py at master · scikit-image/scikit-image · GitHub​github.com

可以根据如下代码查看插件调用的优先级

# For each plugin type, default to the first available plugin as defined by

# the following preferences.

preferred_plugins = {

# Default plugins for all types (overridden by specific types below).

'all': ['pil', 'matplotlib', 'qt', 'freeimage'],

'imshow': ['matplotlib'],

'imshow_collection': ['matplotlib']

}

plugins 的源代码在这里：scikit-image/scikit-image​github.com

可以看到 pil 的 imread，是用 open 打开图像之后，再转换成 ndarray。

20180410 更新：skimage 的插件管理，代码改在了这里：https://github.com/scikit-image/scikit-image/blob/37ed59d2880fa96ff908608d7f723b98cd319c9b/skimage/io/manage_plugins.py#L46​github.com

最近一次更新去掉了 freeimage 的插件选项。图像读取的基本原理还是没变。还是优先调用 Pillow，就是插件里面的 pil。

preferred_plugins = {

# Default plugins for all types (overridden by specific types below).

'all': ['pil', 'matplotlib', 'qt'],

'imshow': ['matplotlib'],

'imshow_collection': ['matplotlib']

}

5. cv2.imread

这里是调用的 CV::imread()，代码在这里：opencv/loadsave.cpp at master · opencv/opencv · GitHub​github.com

。一般来说 C\C++ 的实现，应该比 python 速度快一点。

20180410 更新：看了一下 opencv 的 python3 接口。imread 读进来的 Mat，在转换为 PyObject(Python 对象)的时候，会检查一下，是不是无符号的 UMat。如果是，直接拷贝一个指针给 PyObject；如果不是，会新开一个 Mat，读数据，再生成 PyObject。

而 CV::imread() 本身，调用的，是内部的 imread_() 函数：https://github.com/opencv/opencv/blob/6d83a8038525cf64b0edd866ebbd94906eb5691d/modules/imgcodecs/src/loadsave.cpp#L633​github.com

cvLoadImage 到 IplImage 和 cvLoadImageM 到 CvMat，其实也都是调用的 imread_()，详情见代码：https://github.com/opencv/opencv/blob/6d83a8038525cf64b0edd866ebbd94906eb5691d/modules/imgcodecs/src/loadsave.cpp#L966​github.com

就是这段：

CV_IMPL IplImage*

cvLoadImage( const char* filename, int iscolor )

{

return (IplImage*)cv::imread_(filename, iscolor, cv::LOAD_IMAGE );

}

CV_IMPL CvMat*

cvLoadImageM( const char* filename, int iscolor )

{

return (CvMat*)cv::imread_( filename, iscolor, cv::LOAD_CVMAT );

}

这里 imread_() 是图像读取的总接口，为表面的各种函数提供核心功能。图像读取的真正魔法，其实发生在 ImageDecoder 里面，代码则在 imgcodecs 目录：opencv/opencv​github.com

6. matplotlib.image.imread

matplotlib 的文档里面说，matplotlib 原生只可以读取 PNG 文件，有 PIL 的时候，可以读取其他类型的文件。如果使用 URL 打开在线图像文件，需要符合 PIL 的文档要求。

matplotlib.image.imread 的代码在这里：matplotlib/image.py at master · matplotlib/matplotlib · GitHub​github.com

matplotlib 的原生 PNG 读取和写入，是用 C 实现的，代码在这里：matplotlib/_png.cpp at master · matplotlib/matplotlib · GitHub​github.com

matplotlib 是先用 pil 的 open 打开图像，如果格式是 png，就用原生方法打开。相关代码如下：

handlers = {'png': _png.read_png, }

if format is None:

if cbook.is_string_like(fname):

parsed = urlparse(fname)

# If the string is a URL, assume png

if len(parsed.scheme) > 1:

ext = 'png'

else:

basename, ext = os.path.splitext(fname)

ext = ext.lower()[1:]

elif hasattr(fname, 'name'):

basename, ext = os.path.splitext(fname.name)

ext = ext.lower()[1:]

else:

ext = 'png'

else:

ext = format

if ext not in handlers:

im = pilread(fname)

if im is None:

raise ValueError('Only know how to handle extensions:%s; '

'with Pillow installed matplotlib can handle '

'more images' % list(six.iterkeys(handlers)))

return im

声明的处理器只有 png。如果是 png 文件，调用 _png.read_png。如果不是 png 直接使用 pilread(就是用 pil 的 Image.open 然后 pil_to_array)。

matplotlib 的源码确实比较复杂，一大部分主体是用 C 写的，改动很激进，功能更新猛烈。

20180410 更新：matplotlib.image.imread() 是原生的。改名版有 matplotlib.pyplot.imread()，车祸现场见：https://github.com/matplotlib/matplotlib/blob/dec87a31379c617704fce7225bfd1ad0dd799141/lib/matplotlib/pyplot.py#L2209​github.com

from matplotlib.image import imread as _imread

...

@docstring.copy_dedent(_imread)

def imread(fname, format=None):

return _imread(fname, format)

改名版还有 matplotlib.pylab.imread，代码见：https://github.com/matplotlib/matplotlib/blob/438aa08df1037f059b4915b9a28871a90ae89976/lib/matplotlib/pylab.py#L246​github.com

from matplotlib.pyplot import *

小结

从源码看，绝大多数常用代码库其实都还是用的 PIL。原因容易理解，PIL 是纯 Python 实现的，而且经过了优化，性能应该还不错。除了 PIL 之外，常用的就是 OpenCV 和 Qt。OpenCV 和 Qt 是 C/C++ 实现的，可能速度会快一些，但具体要测试才知道。稍后会在 GitHub 上开一个对比测试的 Repo 再测试一下性能。

scikit-images 的插件机制很灵活有趣，尤其是它提供了其他几种图像读取的实现。

matplotlib 代码稍显乱一点，但更证明了其功能迭代速度快，开发激进。用 matplotlib 尽量多用PNG 以便利用原生的 PNG 支持

补充

补充一些读代码时遇到的一些其他的图像读取方法。

7. PyQt4.QtGui.QImage.load(filename)

8. freeimage

scikit-image 是使用 ctype 调用 freeimage 的动态链接库，来调用 Freeimage_Load()。代码在此：freeimage/FreeImage.h at master · imazen/freeimage · GitHub​github.com

9. imread

其在 PyPi 上的主页：Python Package Index​pypi.python.org

代码在此：imread/imread.py at master · luispedro/imread · GitHub​github.com