如何将cv2.read()返回结果输出到文件及可视化图像数组？TensorFlow方法咨询

我来帮你搞定这两个关于OpenCV图像数组的问题，都是日常处理中很常见的场景：

首先得解释下你遇到的乱码问题：im.dump()是numpy的二进制序列化方法，它把数组以字节形式直接写入文件，用文本编辑器打开自然是乱码——它本来就不是给人直接看的，而是用来通过numpy.load()还原数组的。下面给你几种实用的输出方式：

• 方式一：保存为可读的文本格式（适合小尺寸图像）
  用numpy.savetxt()可以把数组转成人类可读的文本，不过需要先把3D图像数组（H×W×C）转成2D格式（H*W×C），因为savetxt只支持2D及以下数组：

import cv2
import numpy as np

im = cv2.imread("your_image.jpg")
# 把图像展平为2D数组，用逗号分隔保存为整数格式（像素值是0-255的整数）
np.savetxt("output.txt", im.reshape(-1, im.shape[-1]), fmt="%d", delimiter=",")

# 读取回来的方法
loaded_im = np.loadtxt("output.txt", delimiter=",").reshape(im.shape)

• 方式二：保存为高效的二进制格式（推荐，适合所有尺寸图像）
  用numpy自带的np.save()和np.load()，这是专门为numpy数组设计的读写方式，既节省空间又速度快，还原的数组和原数组完全一致：

import cv2
import numpy as np

im = cv2.imread("your_image.jpg")
# 保存为.npy二进制文件
np.save("image_array.npy", im)

# 读取还原数组
loaded_im = np.load("image_array.npy")

• 方式三：直接保存数组的字符串形式（适合小图像快速查看结构）
  如果想直接在文本文件里看到数组的完整结构，可以用np.array2string()转成字符串再写入：

import cv2
import numpy as np

im = cv2.imread("your_image.jpg")
with open("output.txt", "w") as f:
    f.write(np.array2string(im, separator=", "))

# 读取的话需要用eval解析字符串，注意大图像不推荐，解析速度很慢
with open("output.txt", "r") as f:
    loaded_im = np.array(eval(f.read()))

可视化的方法分两类：直接用OpenCV/Matplotlib的常规方法，以及TensorFlow生态下的方法，下面分别介绍：

常规可视化方法 #

• 用OpenCV自带的窗口显示
  注意OpenCV读取的图像是BGR通道顺序，cv2.imshow()会自动适配这个顺序，所以直接显示就能看到正确颜色：

import cv2

im = cv2.imread("your_image.jpg")
cv2.imshow("Loaded Image", im)
cv2.waitKey(0)  # 按下任意键关闭窗口
cv2.destroyAllWindows()

• 用Matplotlib显示（更灵活，适合排版）
  Matplotlib默认用RGB通道顺序，所以需要先把BGR转成RGB：

import cv2
import matplotlib.pyplot as plt

im = cv2.imread("your_image.jpg")
im_rgb = cv2.cvtColor(im, cv2.COLOR_BGR2RGB)
plt.imshow(im_rgb)
plt.axis("off")  # 隐藏坐标轴
plt.show()

TensorFlow相关的可视化方法 #

• 转成PIL图像显示
  用tf.keras.preprocessing.image.array_to_img可以把numpy数组直接转成PIL图像，然后调用系统默认的图像查看器打开：

import cv2
import tensorflow as tf

im = cv2.imread("your_image.jpg")
# 先把BGR转成RGB，符合TensorFlow/PIL的通道习惯
im_rgb = cv2.cvtColor(im, cv2.COLOR_BGR2RGB)
# 转成PIL图像并显示
pil_img = tf.keras.preprocessing.image.array_to_img(im_rgb)
pil_img.show()

• 用TensorBoard可视化（适合训练过程中监控图像）
  如果是在TensorFlow训练流程里，想把图像写入TensorBoard查看，可以这样做：

import cv2
import tensorflow as tf

im = cv2.imread("your_image.jpg")
im_rgb = cv2.cvtColor(im, cv2.COLOR_BGR2RGB)
# TensorBoard要求输入是4D张量（batch_size, H, W, C），所以增加batch维度
im_tensor = tf.expand_dims(im_rgb, axis=0)

# 写入日志文件
writer = tf.summary.create_file_writer("./image_logs")
with writer.as_default():
    tf.summary.image("Sample Input Image", im_tensor, step=0)

# 之后在命令行运行：tensorboard --logdir=./image_logs，打开浏览器就能看到图像

注意：如果你的数组是归一化到[0,1]或[-1,1]的浮点型，可视化前需要先转回到0-255的uint8类型，比如用tf.clip_by_value(im_normalized * 255, 0, 255)再转成tf.uint8。

内容的提问来源于stack exchange，提问作者Liu Hantao