opencv和pil读取一样吗(opencv和pil读取图像的区别)

可以考虑使用plt.savefig()保存图片，再用opencv来读取就好了

因为图片格式都是压缩格式的数据，并不是说总像素相同两个图像就相同。一张内容丰富的图片个一张纯白色图片占用的空间是不一样的。也就是说opencv在解压图像时需要处理的数据量和计算量是不同的。所以，依据图像的不同，加载图像的时间也是不一样的。
因为机械磁盘是个速度相当不稳定的东西。另外显示尺寸相同的图片的文件大小会有差别。而且某些压缩格式不同的图片解压速度也会差很多，不过这个一般不会到100倍的级别。
这个与计算机的硬件和运行状态（内存占用）也有关系，可以运行多次取平均时间！
嗯，读取的时间会有不同。计时方法都是有精度的，cpu不同时刻运算效率也不一样的。

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 · GitHubopen() 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.ndimage.imread代码在这里：scipy/io.py at v0.17.1 · scipy/scipy · GitHubimread 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确实是调用 pil.image.open()，然后返回一个 fromimage()。3. scipy.misc.imreadmisc 的 __init__.py 在这里：scipy/__init__.py at v0.17.1 · scipy/scipy · GitHub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 pilutilexcept 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。4. skimage.io.imread代码在这里：scikit-image/_io.py at master · scikit-image/scikit-image · GitHub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/skimage/io/_plugins at master · scikit-image/scikit-image · GitHub。可以看到 pil 的 imread，是用 open 打开图像之后，再转换成 ndarray。5. cv2.imread这里是调用的 CV::imread()，代码在这里：opencv/loadsave.cpp at master · opencv/opencv · GitHub。一般来说 CC++ 的实现，应该比 python 速度快一点。6. matplotlib.image.imreadmatplotlib 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。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。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 pngif 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 = formatif 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。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

先测试下image.empty(), 如果返回true说明图像读取失败。
void salt(cv::Mat &image,int n){for(int k=0;k应该是当前文件夹里未找到dnjdkjcxyjzx.jpg
dnjdkjcxyjzx.jpg这个文件在源程序目录下吗？

OpenCV中用于读取图像像素点的值的方法很多，这里主要提供了两种常用的方法。 方法一利用IplImage数据类型的imageData定位数据缓冲区来实现，imageData包含指向图像第一个像素数据的指针例：If( imgSource != 0 )//imgSource为IplImage*{for ( int i = 0; i < imgSource->height; ++i ){uchar * pucPixel = (uchar*)imgSource->imageData + i*imgSource->widthStep;for ( int j = 0; j < imgSource->width; ++j ){pucPixel[3*j] = 0;//像素第一个通道的值pucPixel[3*j + 1] = 0;//像素第二个通道的值pucPixel[3*j + 2] = 0;//像素第三个通道的值}}}方法二利用OpenCV提供的GetReal*D，SetReal*D和Get*D，Set*D，这里*为2，对于单通道图像可以使用前两个函数，对于多通道图像可以使用后两个函数例：If( imgSource != 0 )//imgSource为IplImage*{for ( int i = 0; i < imgSource->height; ++i )for ( int j = 0; j < imgSource->width; ++j ){//获取(i, j)处的三通道图像像素值CvScalar scaPixelVal = cvGet2D( imgSource, i, j );//获取(i, j)处的单道图像像素值double dPixelVal = cvGetReal2D( imgSource, i, j );//设定(i, j)处的三通道图像像素值cvSet2D( imgSource, i, j, scalPixelVal );//设定(i, j)处的单通道图像像素值cvSetReal2D( imgSource, i, j, dPixelVal );} }