Python中操作图像的方法包括opencv，matplotlib，PIL。
(一) opencv：
import cv2 as cv
# load
img = cv.imread(imagepath)
# shape=(height, width, channel)
h,w,c = img.shape
# show
cv.imshow('window_title', img)
# save
cv.imwrite(savepath, img)(二) matplotlib:
import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片
import numpy as np
# load
img = mpimg.imread('cat.jpg')
# 此时 img 就已经是一个 np.array 了，可以对它进行任意处理
# height, width, channel=(360, 480, 3)
h,w,c = img.shape
# show
plt.imshow(img) # 显示图片
plt.axis('off') # 不显示坐标轴
plt.show()
# save
# 适用于保存任何 matplotlib 画出的图像，相当于一个 screencapture
plt.savefig('fig_cat.png')注意到：
* plt.imshow(image)中的图片的数据类型可以使np.array类型
* mpimg 既提供了加载图像函数imread，又提供了保存图像函数imsave
* plt.savefig函数 可以将显示在fig中图像保存下来
待补充mpimg.imsave()和plt.savefig()使用demo。
matplotlib 扩展：
1.图像缩放、显示
from scipy import misc
lena_new_sz = misc.imresize(img, 0.5) # 第二个参数如果是整数，则为百分比，如果是tuple，则为输出图像的尺寸
plt.imshow(img_new_sz)
plt.axis('off')
plt.show()matplotlib 扩展：
2. 将np.array保存为图像、直接保存np.array
# 2.1 np.array=>image file
from scipy import misc
misc.imsave('img_new_sz.png', img_new_sz)
"""
from scipy import misc
# load image
lena = misc.imread('lena.png')
# <type 'numpy.ndarray'>
type(lena)
# lena.shape, lena.dtype
"""
# 2.2 np.array=>np data file
import numpy as np
np.save('img_new_sz', img_new_sz) # 会在保存的名字后面自动加上.npy
img = np.load('img_new_sz.npy') # 读取前面保存的数组注意： np.array数据可以通过np.save函数直接保存在磁盘上，扩展名为.npy, 通过np.load函数直接恢复； scipy.misc提供了对numpy.array格式图像的处理函数，特别是misc.imsave函数可以直接将np.array数据保存成图像文件。
(三) PIL
加载并显示图像（*）
from PIL import Image
# load
im = Image.open('cat.jpg')
# show
im.show()
"""
# 返回 image's size w,h = (480, 360)
w,h = img.size
# PIL.JpegImagePlugin.JpegImageFile
type(img)
# 直接调用Image类的save方法
img.save('new_cat.png')
"""加载并显示图像（**）
from PIL import Image
import matplotlib.pyplot as plt
img=Image.open('/home/wanghao/Pictures/001.jpg')
plt.figure("head")
plt.imshow(img)
plt.show()PIL图片和numpy数组间的转换
"""
# PIL Image => np.array
# 也可以用 np.asarray(im),区别是
# np.array() 是深拷贝，np.asarray() 是浅拷贝
"""
im_array = np.array(im)
"""
这里采用 matplotlib.image 读入图片数组
注意:
这里读入的数组是 float32 型的，范围是 0-1;
PIL.Image 数据是 uinit8 型的，范围是0-255，所以要进行转换;
"""
import matplotlib.image as mpimg
from PIL import Image
img = mpimg.imread('cat.jpg') # 这里读入的数据是 float32 型的，范围是0-1
# 方法转换之后显示效果不好
img = Image.fromarray(np.uint8(img*255))
img.show()注意： numpy转PIL Image后显示效果很差，不如 转成numpy后使用matplotlib显示好
(四) 总结
在可以选择使用哪个图像库最终显示图像的时候，个人觉得使用 matplotlib库集成好的函数去直接加载和显示图像（来自matplotlib的
image.imread或 PIL的Image.open）效果更好；将内存中结果整个保存成图片的时候，要优先考虑 转成 np.array后使用 scipy.misc保存成图片；
待补充： 如果对图像进行各种绘图相关操作，怎样才是更好的选择，使得从图像加载， 绘制的方便，以及最终的保存的过程更简单？