如何直接将图片加载为numpy ndarray？替代已弃用的scipy.misc.imread

你提到的问题确实是scipy.misc.imread弃用后常见的小困扰，除了OpenCV，这里有几个优雅的方案可以直接加载图片为numpy.ndarray：

方案1：使用imageio的兼容接口 #

imageio的新版默认imread返回封装后的Image对象，但它保留了兼容旧行为的v2接口，直接调用就能得到numpy数组：

import imageio
img = imageio.v2.imread('./myimage.jpg')
type(img)
>>> numpy.ndarray

这个接口完全复刻了旧scipy方法的行为，甚至支持相同的参数（比如flatten），迁移成本很低。

方案2：使用Matplotlib的图片读取函数 #

Matplotlib的imread方法从一开始就直接返回numpy数组，用法和你之前的scipy代码几乎一致：

# 两种导入方式都可以
from matplotlib import image as mpimg
img = mpimg.imread('./myimage.jpg')

# 或者通过pyplot导入
import matplotlib.pyplot as plt
img = plt.imread('./myimage.jpg')

type(img)
>>> numpy.ndarray

需要注意的是，Matplotlib读取jpg时默认会将像素值归一化到0-1之间（浮点数类型），而scipy和imageio默认返回0-255的整数类型，如果需要和旧行为完全一致，可以加上参数：

img = mpimg.imread('./myimage.jpg', format='jpg')

这样就能得到uint8类型的数组了。

方案3：Pillow配合numpy的简洁写法 #

虽然你提到显式转换不够优雅，但Pillow其实可以和numpy结合得很简洁，一行代码就能完成：

from PIL import Image
import numpy as np

img = np.asarray(Image.open('./myimage.jpg'))
type(img)
>>> numpy.ndarray

np.asarray比np.array更轻量（不会复制数据，只是创建数组视图），如果你的图片较大，这个写法在性能上反而更友好。

内容的提问来源于stack exchange，提问作者Nic