【matplotlib + opencv】關於opencv和matplotlib繪製圖像時，出現色差色偏的問題探討，思考，解決。（深度學習數據包plt.imshow繪製的圖像底色偏綠藍偏黃）

一、圖像紅變藍，藍變紅的問題

（1）原因分析

• 用cv2.imread()讀取數據，用plt.imshow()展示數據會出現紅變藍，藍變紅的問題。
• 原因：cv2.imread() 讀取圖像格式爲b,g,r（這是由於以前流行bgr格式的圖像顯示方式，今年才流行rgb格式，opencv的這個格式是歷史遺留問題）而 plt.imshow()顯示按照 rgb次序。因此會出現色偏，應該使用
• RGB 和 BGR 的轉換可以直接使用 cvt = org[:,:,::-1] 來實現，前兩個 : 表示第一第二維不變，::-1表示將第三維倒序排列。

（2）代碼及結果展示

1）錯誤代碼

import cv2
import matplotlib.pyplot as plt

image = cv2.imread('1.jpg')
# image = image[:, :, ::-1]
print(image.shape)
plt.imshow(image)
# 關閉x,y軸刻度
plt.xticks([])
plt.yticks([])
# 關閉座標軸
plt.axis('off')
plt.show()

2）錯誤結果

• 左邊爲原圖，右邊爲plt.imshow()顯示的圖片，可以發現紅變藍，藍變紅的問題

3）正確代碼

• RGB 和 BGR 的轉換可以直接使用 cvt = org[:,:,::-1] 來實現，前兩個 : 表示第一第二維不變，::-1表示將第三維倒序排列。

import cv2
import matplotlib.pyplot as plt

image = 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)
# 關閉x,y軸刻度
plt.xticks([])
plt.yticks([])
# 關閉座標軸
plt.axis('off')
plt.show()

二、深度學習數據包plt.imshow繪製圖像偏藍黃色

（1）原因分析

• 色偏問題原因：plt.imshow()在繪製2維圖像時，0（最小值）顯示深藍色，1（最大值）顯示黃色，其他數值顯示由藍到黃的過度顏色，所以圖像畫出來是藍黃相間的。

1）原理解釋代碼

# coding=utf-8
from matplotlib import pyplot as plt

X = [[0.1, 0.2, 0.3],
     [0.4, 0.5, 0.6],
     [0.7, 0.8, 0.9]]
plt.imshow(X)
plt.colorbar()
# # 關閉x,y軸刻度
# plt.xticks([])
# plt.yticks([])
# # 關閉座標軸
# plt.axis('off')
plt.show()

2）結果

（2）實際繪圖分析與解決

• 下圖每一張圖像是由（28，28， 1）壓縮（np.squeeze）到（28，28）的異色圖像，
• 以下代碼以FashionMNIST數據集爲例，首先讀取10個（28，28）的圖片展示在一排，圖片顏色維藍黃色。
• 相關博客：【pytorch + matplotlib】將若干張圖像拼接成一張圖像（附代碼，以FashionMNIST爲例）（subplot 和 subplots區別）

1）問題代碼示例

import matplotlib.pyplot as plt
import numpy as np
import torchvision
import torchvision.transforms as transforms
from IPython import display

np.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')


# 本函數已保存在d2lzh包中方便以後使用
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]


# 本函數已保存在d2lzh包中方便以後使用
def show_fashion_mnist(images, labels):
    use_svg_display()
    # 這裏的_表示我們忽略（不使用）的變量
    _, figs = plt.subplots(1, len(images), figsize=(12, 12))
    for f, img, lbl in zip(figs, images, labels):
        # np.squeeze將（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）問題結果

3）期望代碼示例

• 繪製出黑白圖像方法：將三個相同的（28，28， 1）的圖像升維爲（28，28， 3）的圖像，然後繪製出來，就可以發現是正常的黑白圖像了。

import matplotlib.pyplot as plt
import numpy as np
import torchvision
import torchvision.transforms as transforms
from IPython import display

np.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')


# 本函數已保存在d2lzh包中方便以後使用
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]


# 本函數已保存在d2lzh包中方便以後使用
def show_fashion_mnist(images, labels):
    use_svg_display()
    # 這裏的_表示我們忽略（不使用）的變量
    _, 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）期望結果

• 最後終於得到了想要的黑白圖像啦！
  

三、參考

【小記】RGB圖像轉換爲BGR-詳細講解了如何手動將RGB圖像轉換爲BGR圖像
python將兩個二維array疊加成三維array的實現方法