如何用OpenCV读取4通道图像适配Unet语义分割项目

我正在开展Unet语义分割项目，需要使用Python的OpenCV处理4通道图像，但我是该领域新手。找到的教程代码使用RGB和cv2.imread()读取图像，无法处理4通道图像，修改代码时遇到了问题。

教程简化代码：

import os
import cv2
from matplotlib import pyplot as plt

temp_img = cv2.imread('C:/Users/PREDATOR/Desktop/4_channel_image.tif')
temp_img = cv2.cvtColor(temp_img,cv2.COLOR_BGR2RGB)
plt.imshow(temp_img)

运行后报错：

---------------------------------------------------------------------------
error                                     Traceback (most recent call last)
Cell In[5], line 2
      1 temp_img = cv2.imread('C:/Users/PREDATOR/Desktop/4_channel_image.tif')
----> 2 temp_img = cv2.cvtColor(temp_img,cv2.COLOR_BGR2RGB)
      3 plt.imshow(temp_img) #change 0 to 1 2 or 3 to view other channels"""
    
error: OpenCV(4.9.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\src\color.cpp:196: error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor'

1. 核心问题分析 #

报错的根源是cv2.imread()默认仅读取3通道BGR图像，对4通道（如RGBA、多光谱TIFF）图像，默认参数会读取失败并返回None，导致后续cv2.cvtColor因输入为空触发断言错误。

2. 正确读取4通道图像 #

使用cv2.IMREAD_UNCHANGED参数读取图像，该参数会保留所有原始通道信息：

temp_img = cv2.imread('C:/Users/PREDATOR/Desktop/4_channel_image.tif', cv2.IMREAD_UNCHANGED)

3. 分场景处理与可视化 #

场景1：RGBA格式图像（3颜色通道+1透明度通道）

OpenCV读取RGBA图像时通道顺序为BGRA，需转换为RGBA才能让matplotlib正确显示：

import cv2
from matplotlib import pyplot as plt

# 读取完整4通道图像
temp_img = cv2.imread('C:/Users/PREDATOR/Desktop/4_channel_image.tif', cv2.IMREAD_UNCHANGED)
# 转换通道顺序为RGBA
temp_img_rgba = cv2.cvtColor(temp_img, cv2.COLOR_BGRA2RGBA)
plt.imshow(temp_img_rgba)
plt.show()

场景2：多光谱4通道图像（语义分割常用的医学/遥感图像）

此类图像无法直接用plt.imshow()展示4通道，可选择单独展示单通道或组合前3通道为RGB：

import cv2
from matplotlib import pyplot as plt

temp_img = cv2.imread('C:/Users/PREDATOR/Desktop/4_channel_image.tif', cv2.IMREAD_UNCHANGED)

# 展示第0个通道（灰度模式）
plt.imshow(temp_img[:, :, 0], cmap='gray')
plt.title('Channel 0')
plt.show()

# 组合前3通道为RGB展示（若前3通道为BGR格式）
temp_rgb = cv2.cvtColor(temp_img[:, :, 0:3], cv2.COLOR_BGR2RGB)
plt.imshow(temp_rgb)
plt.title('RGB Composite (Channels 0-2)')
plt.show()

4. Unet语义分割适配要点 #

• 始终用cv2.IMREAD_UNCHANGED读取输入图像与标签，确保完整保留通道信息
• 若模型要求通道在前的格式（(C, H, W)），需用numpy.transpose转换OpenCV默认的(H, W, C)格式：

  import numpy as np
  # 转换为通道在前
  img_chw = np.transpose(temp_img, (2, 0, 1))
  

• 预处理时保持输入图像与训练数据的通道顺序、归一化方式一致

内容的提问来源于stack exchange，提问作者FF123456