图片的加载、查看与保存
1. 准备
进行计算机视觉的处理需要安装相应的第三方库，这里直接安装，Anaconda下的cmd运行如下指令，安装opencv-python 、tensorflow和keras三个库
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python keras
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow
其中关于tensorflow的下载会比较漫长（关联的库太多，而且还很大），建议和其他两个分开下载，如下
2. 图片加载
先导入有关的库，并在jupyter notebook上进行内嵌显示
import cv2
import matplotlib.pyplot as plt
%matplotlib inline
2.1 绝对路径加载
比如测试文件夹放在D盘的个人文件夹中，名称为1.jpg，需要加载此图片然后打印出图片的宽高及通道，代码如下
image = cv2.imread('D:/个人/1.jpg')
print(f'weight: {image.shape[1]} piexls')
print(f'height: {image.shape[0]} piexls')
print(f'channels: {image.shape[2]}')
→ 输出的结果为：（图片加载中不能存在中文字符）
AttributeError Traceback (most recent call last)
<ipython-input-3-d7c684f417fc> in <module>
1 image = cv2.imread('D:/个人/1.jpg')
----> 2 print(f'weight: {image.shape[1]} piexls')
3 print(f'height: {image.shape[0]} piexls')
4 print(f'channels: {image.shape[2]}')
AttributeError: 'NoneType' object has no attribute 'shape'
于是尝试把文件放置在D盘下面的AI文件夹下，然后重新运行此命令
image = cv2.imread('D:/AI/1.jpg')
print(f'weight: {image.shape[1]} piexls')
print(f'height: {image.shape[0]} piexls')
print(f'channels: {image.shape[2]}')
→ 输出的结果为：(这张图像就是博客的头像)
weight: 1920 piexls
height: 1080 piexls
channels: 3
2.2 相对路径加载
上面的操作存在着中文文件夹下的图片不能正常加载的情况，为了解决这个问题，可以使用相对路径进行加载，比如还是在D盘个人文件夹下的1.jpg图像。
方法一、执行代码如下
import os
os.chdir('D:/个人')
image = cv2.imread('1.jpg')
print(f'weight: {image.shape[1]} piexls')
print(f'height: {image.shape[0]} piexls')
print(f'channels: {image.shape[2]}')
→ 输出的结果为：（先通过改变程序的运行路径，然后加载相对路径下的文件）
weight: 1920 piexls
height: 1080 piexls
channels: 3
方法二、就是直接将文件放在jupyter notebook运行路径文件夹下，与创建的python3文件同一路径即可
image = cv2.imread('1.jpg')
print(f'weight: {image.shape[1]} piexls')
print(f'height: {image.shape[0]} piexls')
print(f'channels: {image.shape[2]}')
→ 输出的结果为：
weight: 1920 piexls
height: 1080 piexls
channels: 3
上面两种方法加载先相对路径，本质上是一模一样的，都是把路径指引到程序运行的路径下面，不过一个是程序操作，一个是手动操作的
3. 图像查看
读入图像之后，可以通过matplotlib库进行图像的显示，如下（注意关闭坐标轴）
plt.imshow(image)
plt.axis('off')
→ 输出的结果为：（最开始引用了图表内嵌的方式，这里就不用plt.show()了）
但是会发现，色彩与原来图像的风格是不一样的，原因在于cv2，读取图像时候是以BGR的方式读入，而matplotlib是以RGB进行显示的，因此修改一下读取的方式即可
new_image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
plt.imshow(new_image)
plt.axis('off')
→ 输出的结果为：（通过cv2里面的BGR转RGB进行读取）
4. 图像保存
这里需要注意，保存的时候应该保存的是image变量，也就是程序刚刚读入的图像的变量，而不是纠正过颜色的new_image变量，因为cv2还是会以原格式储存
如果输出的是new_image对象，代码如下
cv2.imwrite('D:/AI/image.jpg',new_image)
→ 输出的结果为：（非正常图像）
如果输出的是image对象，代码如下
cv2.imwrite('D:/AI/image.jpg',image)
→ 输出的结果为：（输出正常的图像）
