Python案例如何读取本地图片？

Python案例：如何高效读取本地图片？——从基础到实战的完整指南

📖 目录导读

1. 为什么需要掌握Python读取本地图片？
2. 基础方法一：使用OpenCV读取图片
3. 基础方法二：使用PIL/Pillow读取图片
4. 基础方法三：使用Matplotlib读取图片
5. 进阶技巧：批量读取与内存优化
6. 常见问题与解决方案（Q&A）
7. 性能对比与选择建议
8. 完整代码案例：从读取到显示

---

为什么需要掌握Python读取本地图片？

在计算机视觉、深度学习、自动化办公、Web开发等领域，读取本地图片是Python开发中最基础却最关键的操作，无论是做人脸识别、图像分类，还是简单的图片格式转换,第一步都是将磁盘上的图片文件加载到内存中。

许多新手容易卡在“路径错误”“格式不支持”“读取速度慢”等细节上，本文将结合OpenCV、Pillow、Matplotlib三个主流库,通过具体案例带你彻底掌握Python读取本地图片的所有方法。

---

基础方法一：使用OpenCV读取图片

核心代码示例

import cv2
# 读取图片（返回numpy数组）
img = cv2.imread('example.jpg', cv2.IMREAD_COLOR)  # 彩色模式
# img = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)  # 灰度模式
# 检查是否读取成功
if img is None:
    print("图片读取失败，请检查路径或文件是否存在")
else:
    print(f"图片尺寸: {img.shape}")  # (高度, 宽度, 通道数)
    cv2.imshow('Image', img)  # 显示图片
    cv2.waitKey(0)  # 等待按键
    cv2.destroyAllWindows()

关键参数说明

• cv2.IMREAD_COLOR：默认值，加载彩色图（忽略透明度）
• cv2.IMREAD_GRAYSCALE：加载为灰度图，减少内存占用
• cv2.IMREAD_UNCHANGED：加载原始通道（含Alpha通道）

常见报错与解决

• 报错：error: (-215:Assertion failed) !empty()
  原因：文件路径错误或文件不存在。
  解决：使用绝对路径或用os.path.abspath()获取完整路径。

---

基础方法二：使用PIL/Pillow读取图片

核心代码示例

from PIL import Image
# 读取图片
img = Image.open('example.jpg')
# 检查状态
if img:
    print(f"图片格式: {img.format}")  # JPEG
    print(f"图片尺寸: {img.size}")   # (宽度, 高度)
    img.show()  # 调用系统默认图片查看器打开

亮点功能

• 支持格式众多：JPEG、PNG、BMP、GIF、TIFF等
• 直接获取元数据：通过img.info获取EXIF信息、DPI等
• 与NumPy无缝转换：np.array(img)即可转为数组

注意事项

• Pillow读取的图片为Image对象，如需进行数值计算,需转为NumPy数组。
• 对于超大图片（如5000x5000像素）,Pillow内存占用较高。

---

基础方法三：使用Matplotlib读取图片

核心代码示例

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
# 读取图片
img = mpimg.imread('example.jpg')
# 显示图片
plt.imshow(img)
plt.axis('off')  # 关闭坐标轴
plt.show()
# 获取数组信息
print(f"数据类型: {img.dtype}")  # uint8
print(f"数据范围: {img.min()} ~ {img.max()}")

独特优势

• 直接返回NumPy数组，方便后续数据分析
• 内置色彩映射：可快速切换图像显示模式（如灰度、热力图）
• 适合科学计算场景：与Jupyter Notebook配合极佳

潜在问题

• 默认保存的图片可能会进行归一化（像素值变为0~1之间的浮点数）,需注意与原图差异。

---

进阶技巧：批量读取与内存优化

批量读取图片

import os
import cv2
image_folder = 'images/'
image_files = [f for f in os.listdir(image_folder) if f.endswith(('.jpg', '.png', '.jpeg'))]
images = []
for file in image_files:
    path = os.path.join(image_folder, file)
    img = cv2.imread(path)
    if img is not None:
        images.append(img)
        print(f"已加载: {file}")

内存优化技巧

1. 按需降低分辨率：使用cv2.resize()或Image.thumbnail()
2. 使用生成器避免全部加载：

   def image_generator(folder):
       for f in os.listdir(folder):
           yield cv2.imread(os.path.join(folder, f))

3. 处理超大图片时使用分块读取（如遥感影像）

---

常见问题与解决方案（Q&A）

Q1：为什么图片读取后颜色不对？

现象：用OpenCV读取后显示，颜色偏蓝/偏红。
原因：OpenCV默认使用BGR通道顺序，而Matplotlib/PIL使用RGB。
解决：进行通道转换

img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

Q2：读取路径中带有中文怎么办？

现象：cv2.imread()返回None。
原因：OpenCV底层使用C API，部分版本不支持中文路径。
解决：先用np.fromfile()读取为字节流，再解码

import numpy as np
img = cv2.imdecode(np.fromfile('中文图片.jpg', dtype=np.uint8), cv2.IMREAD_COLOR)

Q3：如何判断图片是否损坏？

方案：尝试使用PIL.Image.open()时捕获异常

try:
    from PIL import Image
    img = Image.open('corrupted.jpg')
    img.verify()  # 校验完整性
    print("图片有效")
except Exception as e:
    print(f"图片损坏或格式错误: {e}")

Q4：读取超大图片内存不足怎么办？

方案：使用Image.open()配合thumbnail()缩略图

from PIL import Image
img = Image.open('huge_image.jpg')
img.thumbnail((800, 600))  # 原地缩放

---

性能对比与选择建议

特性	OpenCV	Pillow	Matplotlib
读取速度
格式支持
内存占用	较低	中等	较高
通道顺序	BGR	RGB	RGB
适用场景	计算机视觉、实时处理	图像处理、格式转换	科学可视化

推荐组合：

• 数据预处理/深度学习：OpenCV（速度快）
• Web应用/图片编辑：Pillow（功能全）
• Jupyter数据分析：Matplotlib（可视化方便）

---

完整代码案例：从读取到显示

以下是一个综合案例,演示如何用三种方式读取同一张图片并对比输出：

import cv2
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
# 读取同一张图片
img_path = 'test.jpg'
# 1. OpenCV
cv_img = cv2.imread(img_path)
cv_img_rgb = cv2.cvtColor(cv_img, cv2.COLOR_BGR2RGB)
# 2. Pillow
pil_img = Image.open(img_path)
# 3. Matplotlib
mpl_img = plt.imread(img_path)
# 输出信息
print("OpenCV shape:", cv_img.shape)
print("Pillow size:", pil_img.size)
print("Matplotlib shape:", mpl_img.shape)
# 可视化对比
plt.figure(figsize=(12, 4))
plt.subplot(131)
plt.imshow(cv_img_rgb)'OpenCV')
plt.axis('off')
plt.subplot(132)
plt.imshow(pil_img)'Pillow')
plt.axis('off')
plt.subplot(133)
plt.imshow(mpl_img)'Matplotlib')
plt.axis('off')
plt.tight_layout()
plt.show()

---

掌握Python读取本地图片的方法，是进入计算机视觉、图像处理领域的第一步，本文从OpenCV、Pillow、Matplotlib三大主流库入手，讲解了完整的使用案例、常见错误解决方案以及性能优化技巧。

在实际开发中，建议根据项目需求选择最合适的库：追求速度选OpenCV，追求功能全选Pillow，追求可视化选Matplotlib，掌握了这些基础方法后，你就能轻松应对90%以上的图片读取场景。