一、问题

在Python里使用OpenCV时，一般是通过cv2.imread读入图片，然后用plt.imshow显示图片，但最近学习OpenCV时这样做的结果与预期的结果有较大的出入。查找资料后，才明白OpenCV里的imshow()和Matplotlib.pyplot的imshow()在使用上有一些区别，不注意的话很容易就会导致很奇怪的结果。

下面的示例代码及运行结果显示了这种差异：

import cv2
import matplotlib.pyplot as plt

#以灰度模式读入图片
messi=cv2.imread('messi.jpg',0)

#使用matplotlib.pyplot的imshow显示图片
plt.imshow(messi),plt.title('messi_plt')
plt.xticks([]),plt.yticks([]) #隐藏坐标轴
plt.show()

#使用opencv的imshow显示图片
cv2.imshow('messi_cv',messi)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下:

左边是原图，中间是cv2.imshow的显示结果，右边是plt.imshow的显示结果。很明显地看到，明明是读入灰度图，plt.imshow的结果却更像是张彩图，这显然是有问题的。

二、分析和解决办法

为了比较和分析OpenCV里imshow()和Matplotlib.pyplot里imshow()这两者的差异，下面分别对显示彩图以及显示灰度图这两种情况来进行说明。

彩色图

对于彩色图片，一般由R，G，B三个通道构成。然而，需要注意的是，OpenCV里彩色图片加载时是按照BGR的顺序，Matplotlib里彩色图片加载时是按照RGB的顺序。所以，当我们用cv2.imread读入图片，用cv2.imshow来显示时自然是不会出问题的，但若用plt.imshow来显示就会出现问题，如下面的结果所示。
这里省略示例代码（和上面的几乎相同，只是不要在cv2.imread里设置“0”这个参数即可），运行结果如下：

左边是原图，中间是cv2.imshow的显示结果，右边是plt.imshow的显示结果。显然，plt.imshow的结果出现了问题。
为了解决这个问题，方法很简单，就是将通道R和通道B的内容调换一下，再用plt.imshow显示时就正常了。下面给出该方法的示例代码：

import cv2
import matplotlib.pyplot as plt

#读入彩色图片
messi=cv2.imread('messi.jpg',1)

#使用matplotlib.pyplot的imshow显示图片
plt.imshow(messi),plt.title('messi_plt')
plt.xticks([]),plt.yticks([]) #隐藏坐标轴
plt.show()

##调换r、b通道，生成rgb顺序的图片并显示
b,g,r=cv2.split(messi) #通道的拆分
messi_rgb=cv2.merge((r,g,b)) #通道的融合
plt.imshow(messi_rgb),plt.title('messi_rgb_plt')
plt.xticks([]),plt.yticks([])
plt.show()

#使用opencv的imshow显示图片
cv2.imshow('messi_cv',messi)
cv2.waitKey(0)
cv2.destroyAllWindows()

灰度图

灰度图是单通道图片，按理说不会出现上面彩色图的那种问题，不管是用cv2.imshow显示还是用plt.imshow显示，结果都应该是一样的。然而，事实却并非如此（如最开始的示例所示）。我纠结了好久不知道原因是什么，一开始以为是opencv和matplotlib的版本不匹配，结果更新版本之后还是有这个问题。后来，去找来matplotlib的API文档才明白是咋回事。
matplotlib.pyplot.imshow函数里，有一个参数是cmap，API文档里给出的说明是：

cmap : str or Colormap, optional
The Colormap instance or registered colormap name used to map scalar data to colors. This parameter is ignored for RGB(A) data. Defaults to rcParams[“image.cmap”] = ‘viridis'.