使用OpenCV读取图片尺寸时，为什么获取的尺寸与实际显示不一致？

Question

**问题描述：** 在使用OpenCV读取图片尺寸时，通过`cv2.imread()`加载图像后，使用`shape`属性获取图像尺寸，但有时发现获取的宽度和高度与实际显示的图像尺寸不一致。例如，`shape`返回的尺寸为(height, width, channels)，而某些图像显示工具或图像元数据可能以(width, height)顺序表示尺寸，导致误解。此外，图像可能存在旋转信息（EXIF数据），OpenCV默认不会自动应用该信息，从而导致显示方向与实际形状不符。这些问题容易引发图像处理中的坐标错位或显示异常，需特别注意尺寸顺序及图像旋转处理。

Answer 1

一、问题背景与常见现象

在使用OpenCV进行图像处理时，开发者通常通过cv2.imread()函数读取图像，并使用shape属性获取图像尺寸。然而，有时会出现图像尺寸获取与实际显示不一致的问题。例如，shape返回的格式为(height, width, channels)，而许多图像查看器或图像元数据（如EXIF）中通常使用(width, height)的顺序，这容易造成误解。

此外，某些图像（尤其是手机拍摄的照片）中包含EXIF旋转信息，OpenCV默认不会自动应用这些信息，导致图像显示方向与实际尺寸不符。例如，一张竖屏拍摄的图片在OpenCV中读取为height > width，但在实际显示中却以width > height呈现。

二、OpenCV的shape属性解析

OpenCV中的图像以NumPy数组形式存储，其shape属性返回一个三元组：

• shape[0]：图像的高度（Height）
• shape[1]：图像的宽度（Width）
• shape[2]：图像的通道数（Channels，通常为3）

这种结构与常见的(width, height)顺序不同，开发者在处理坐标映射、图像裁剪或绘制图形时容易出错。

import cv2
img = cv2.imread('image.jpg')
print(img.shape)  # 输出如：(480, 640, 3)
    

三、图像元数据与EXIF旋转信息

图像文件（尤其是JPEG格式）通常包含EXIF元数据，其中可能包含图像旋转信息。例如，手机竖拍照片的EXIF中可能包含“旋转90度”的标记，但OpenCV默认不会自动旋转图像，导致读取的尺寸与实际显示不符。

EXIF旋转值	实际旋转角度
6	顺时针90度
8	逆时针90度
3	180度

因此，开发者需要额外处理EXIF信息，并根据旋转值手动旋转图像。

四、解决方案与代码示例

为解决上述问题，可以采取以下步骤：

1. 使用第三方库（如Pillow）读取图像并自动应用EXIF旋转。
2. 将Pillow图像转换为OpenCV格式继续处理。
3. 或手动解析EXIF并使用OpenCV进行旋转。

from PIL import Image
import cv2
import numpy as np

# 使用Pillow读取图像并自动处理EXIF旋转
img = Image.open('image.jpg')
img = img.convert('RGB')  # 转换为RGB
img = np.array(img)       # 转换为NumPy数组
img = img[:, :, ::-1].copy()  # 转换为BGR格式（OpenCV默认格式）

print(img.shape)  # 输出调整后的尺寸
    

五、流程图：图像尺寸处理流程

下图展示了图像读取、EXIF处理、尺寸获取与旋转的完整流程：

graph TD
            A[开始] --> B{图像包含EXIF旋转信息?}
            B -->|是| C[使用Pillow读取图像并自动旋转]
            B -->|否| D[使用OpenCV直接读取]
            C --> E[转换为OpenCV格式]
            D --> E
            E --> F[获取shape属性]
            F --> G[输出(height, width)]

六、进阶建议与注意事项

对于需要处理大量图像的项目，建议封装一个图像读取函数，自动处理EXIF旋转和尺寸标准化：

• 使用piexif库手动读取并解析EXIF数据。
• 根据旋转值使用cv2.rotate()进行图像旋转。
• 统一返回(width, height)格式的尺寸，避免后续处理混乱。

例如：

def imread_with_exif(path):
    from PIL import Image
    import cv2
    import numpy as np
    image = Image.open(path)
    image = image.convert('RGB')
    image = np.array(image)
    image = image[:, :, ::-1].copy()
    return image