目录
2.用cv2.imwrite()函数将图像数据保存到指定路径
5.重点区别cv2.imshow(),plt.imshow()和plt.shoow()
1.用cv2.imread()函数读取图像，若需要改换灰度图像，用函数cv2.IMREAD_GRAYSCALE，如img=cv2.imread("sea.jpeg",cv2.IMREAD_GRAYSCALE)
2.用cv2.imwrite()函数将图像数据保存到指定路径，如print(cv2.imwrite("C:\\Users\\DELL\\.conda\\envs\\oprncv\\venv\\sea.jpeg", img))
第一个参数是要保存的文件路径和文件名，第二个参数是要保存的图像数据，用print()来输出布尔值，反映保存成功与否。
3.打印图像（没有函数调用）：
用cv2.imshow()函数去绘制画布，两个参数与cv2.imwrite()一样。
用cv2.waitKey()设置图像呈现的时间，一般为0
用cv2.destroyAllWindows()来关闭所有由 OpenCV 创建的窗口的函数。
4.打印图像（函数调用）
创建函数 def cv__show(name,img)【回看图像读取与部分处理.py文件的12--28行】
创建简单函数并调用函数
def cv__show(name, img):
cv2.imshow(name, img)
cv2.waitKey(0)
cv__show("C:\\Users\\DELL\\.conda\\envs\\oprncv\\venv\\sea.jpeg",img)
复杂函数调用的方法：
def learn_to_code():
print("You can learn to code for free on freeCodeCamp")
def learn_what_language():
print("You can learn any programming language on the freeCodeCamp YouTube channel")
learn_what_language()
learn_to_code()5.重点区别cv2.imshow(),plt.imshow()和plt.shoow()
(1)cv2.imshow()和plt.imshow()的区别：
颜色通道顺序不同：
cv2.imshow()：
OpenCV 读取图像时默认使用BGR（蓝 - 绿 - 红）通道顺序，与图像的原始存储格式一致。因此cv2.imshow()直接显示 BGR 格式图像，颜色表现正常。
plt.imshow()：
Matplotlib 默认期望图像为RGB（红 - 绿 - 蓝）通道顺序。如果直接显示 OpenCV 读取的 BGR 图像，会出现颜色偏差（如蓝色和红色互换）。
解决方法：需要先用cv2.cvtColor(img, cv2.COLOR_BGR2RGB)转换通道顺序。
窗口控制方式不同：
cv2.imshow()：
显示图像后，必须配合cv2.waitKey()使用（否则窗口会一闪而逝），例如cv2.waitKey(0)表示等待用户按键后关闭。
关闭窗口需调用cv2.destroyAllWindows()，否则窗口可能残留。
支持通过窗口名称单独控制（如cv2.imshow("window1", img)）。
plt.imshow()：
显示图像需配合plt.show()，无需额外等待函数。
窗口由 Matplotlib 自身管理，关闭窗口后自动释放资源。
支持在同一张图上叠加绘制（如添加坐标轴、文字等）。
适用场景不同：
cv2.imshow()：
适合 OpenCV 图像处理流程中的快速预览，尤其在实时视频处理（如摄像头采集）中表现更高效。
plt.imshow()：
适合需要精细化展示（如添加标注、对比多幅图像、调整坐标轴）的场景，常用于数据分析和可视化报告。
代码示例：
import cv2
import matplotlib.pyplot as plt
# 读取图像（OpenCV默认BGR格式）
img = cv2.imread("image.jpg")
# 使用cv2显示（正常颜色）
cv2.imshow("OpenCV Window", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 使用matplotlib显示（需转换为RGB）
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img_rgb)
plt.axis('off') # 隐藏坐标轴
plt.show()(2)plt.imshow()和plt.how()的区别：
在 Matpotlib 中，plt.imshow() 和 plt.show() 是两个与图像显示相关的核心函数，但它们的功能和用途截然不同：
1. plt.imshow()：绘制图像到画布
作用：将图像数据（通常是二维或三维数组）加载并绘制到当前的 Matplotlib 画布（figure）上，但不会直接显示图像窗口。
参数：主要接收图像数据（如 NumPy 数组），还可通过 cmap 等参数指定颜色映射（如灰度图 cmap='gray'）。
适用场景：用于 “绘制” 图像内容，是显示图像的 “准备工作”。
示例：
import matplotlib.pyplot as plt
import numpy as np
# 创建一个随机的2D数组（模拟图像）
img = np.random.rand(100, 100) # 100x100的随机数组
plt.imshow(img, cmap='gray') # 将数组绘制为灰度图（仅绘制，不显示窗口）2. plt.show()：显示画布上的内容
作用：触发图像窗口的显示，将之前所有通过 plt.imshow()、plt.plot() 等函数绘制在画布上的内容实际展示出来。
特点： 通常放在代码的最后调用，一次性显示所有已绘制的内容。 在脚本中，plt.show() 会阻塞程序运行，直到关闭图像窗口。 在 Jupyter notebook 中，若设置了 %matplotlib inline，可能不需要显式调用也能显示，但建议保留以确保兼容性。
示例（接上面的代码）：
import matplotlib.pyplot as plt
import numpy as np
# 创建一个随机的2D数组（模拟图像）
img = np.random.rand(100, 100) # 100x100的随机数组
plt.imshow(img, cmap='gray') # 绘制图像
plt.title("Random Image") # 可以添加标题等装饰
plt.show() # 显示图像窗口（此时才会看到图像）