skimage.io.imread与matplotlib.pyplot.imread的区别有哪些？

先给出两个函数的基础调用示例：

• skimage 读取图像：

from skimage.io import imread
img1 = imread('path')

• matplotlib 读取图像：

import matplotlib.pyplot as plt
img2 = plt.imread('path')

二者的核心区别可以分为功能、使用两个维度：

功能层面差异 #

• 支持的图像格式不同：skimage的imread底层默认调用imageio或Pillow库，除常见的JPG、PNG外，还支持TIFF、DICOM等科研、医疗场景的专用图像格式；matplotlib的imread仅支持PNG、JPG、BMP等民用常用格式，对特殊格式适配很差。
• 输出数组属性不同：skimage读取8位图像时，默认返回取值范围在0-255的uint8类型数组，带透明通道的RGBA图像也遵循该范围；matplotlib读取PNG格式时会自动将数值归一化到0-1的float32范围，仅读取JPG等其他格式时才会返回0-255的uint8数组，这是日常使用最容易踩的坑。
• 通道处理逻辑不同：二者默认都返回RGB顺序的三通道数组（和OpenCV的BGR顺序不同），但skimage内置了通道转换逻辑，可以直接读取返回灰度单通道数组，matplotlib没有内置该能力。

使用层面差异 #

• 可调参数不同：skimage的imread支持直接传入as_gray=True参数直接返回灰度数组，也支持传入plugin参数指定底层解析库读取特殊格式；matplotlib的imread没有内置灰度读取参数，需要读取后手动做通道转换，也不支持自定义解析插件。
• 错误提示不同：skimage读取失败时会抛出明确的IO错误、格式不支持报错，排查问题更方便；matplotlib部分版本读取不支持的格式时，仅会返回空数组或者模糊警告，问题定位难度更高。
• 生态适配性不同：如果后续要做图像分割、特征提取等算法处理，skimage读取的数组可以直接适配scikit-image、OpenCV的相关接口，不需要额外做数值范围转换；如果后续仅需要做图像可视化，matplotlib读取的数组可以直接传给plt.imshow接口，适配性更好。

内容的提问来源于stack exchange，提问作者Sagar Tanwar