要使用计算机视觉读取图像，您通常会使用像 OpenCV 或 Python Imaging Library (PIL/Pillow) 这样的库，它们将图像数据处理为数组。例如，OpenCV 提供了 cv2.imread() 函数，该函数将图像文件（例如 JPEG、PNG）加载到表示像素值的 NumPy 数组中。 同样，Pillow 的 Image.open() 方法读取图像并允许转换为 NumPy 数组以进行处理。这些库抽象了文件格式和颜色空间的复杂性，让您专注于操作像素数据。例如，使用 OpenCV，一个简单的 image = cv2.imread('photo.jpg') 将图像加载为 3D 数组（高度、宽度、颜色通道），每个像素的蓝色、绿色和红色强度值的范围为 0 到 255。 这种数组结构是大多数计算机视觉任务的基础。
读取图像时，理解颜色通道和数据类型至关重要。OpenCV 默认使用 BGR 颜色顺序，而 Pillow 使用 RGB。这种差异可能会在切换库时导致问题。例如，如果您使用 OpenCV 加载图像并使用期望 RGB 的库显示它，除非您使用 cv2.cvtColor(image, cv2.COLOR_BGR2RGB) 进行转换，否则颜色将显示为反转。此外，灰度图像通过折叠颜色通道将数组减少到 2D（高度、宽度）。您可以在加载期间强制灰度转换：cv2.imread('photo.jpg', cv2.IMREAD_GRAYSCALE)。Pillow 使用 Image.open('photo.jpg').convert('L') 处理此问题。 这两个库还处理 PNG 等格式中的透明度（Alpha 通道），为数组添加第四个维度。正确管理这些细节可确保与下游任务（如对象检测或图像增强）的兼容性。
除了基本加载之外，通常还会执行预处理步骤。将图像调整为一致的分辨率是很常见的，可以通过 OpenCV 的 cv2.resize() 或 Pillow 的 Image.resize() 实现。归一化像素值（例如，从 0-255 缩放到 0-1）对于机器学习模型至关重要。像 TensorFlow 或 PyTorch 这样的库提供了像 tf.image.decode_image() 或 torchvision.io.read_image() 这样的实用程序，它们直接与他们的数据管道集成。例如，TensorFlow 的 tf.io.read_file() 与 tf.image.decode_jpeg() 结合使用，可将图像加载并解码为张量。处理边缘情况（例如，损坏的文件或不支持的格式）需要验证——例如，检查 OpenCV 数组在加载后是否不为 None。这些步骤确保图像数据已结构化和归一化，以用于训练神经网络或应用过滤器等任务。