cv2.imshow和plt.imshow的区别

同样一张灰度图，plt.imshow显示的图片和cv2.imshow显示的图片不一致，这是因为cv2.imshow和plt.imshow在处理图像显示时的默认行为有所不同。

python 复制代码

# matplotlib绘制
plt.imshow(image, "gray")
plt.show()

# cv2绘制
cv2.imshow("img", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

从下面图看matplotlib绘制的要比cv2绘制的对比度更强、更亮


matplotlib绘制	cv2绘制

cv2.imshow和plt.imshow的区别

1. 颜色空间：

cv2.imshow 使用的是 BGR 颜色空间，而 plt.imshow 使用的是 RGB 颜色空间。如果在使用 plt.imshow 时没有指定颜色空间，它会假设输入图像是 RGB 的。
对于灰度图像，这个差异不明显，但在彩色图像中会导致颜色显示不正确。

2. 图像归一化：

plt.imshow 在显示灰度图像时，会自动对图像进行归一化处理，即将图像的像素值缩放到 $0, 1$ 范围内。
cv2.imshow 则不会进行这种归一化处理，它直接显示图像的原始像素值。

3. 显示范围：

plt.imshow 默认会将灰度图像的像素值映射到 $0, 1$ 范围内，这样可以增强对比度，使得图像看起来更亮。
cv2.imshow 则直接使用图像的原始像素值进行显示，如果图像的像素值范围较小，显示出来的图像可能会显得较暗。

为了让两者显示效果一致，可以在使用plt.imshow时关闭自动归一化功能，或者手动对图像进行归一化处理后拉伸到0-255再使用cv2.imshow进行图像显示。例如：

python 复制代码

import cv2
import matplotlib.pyplot as plt

# 假设 image是灰度图像
# 拉升像素值到0-255
min_val = np.min(image)
max_val = np.max(image)
stretched_image = 255 * ((tempImg - min_val) / (max_val - min_val))
stretched_image = stretched_image.astype(np.uint8)

# 使用 cv2.imshow 显示
cv2.imshow("img", stretched_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 使用 plt.imshow 显示
plt.imshow(image, cmap='gray', vmin=0, vmax=255)
plt.show()