# import the necessary packages
import numpy as np
import urllib
import cv2
 
# METHOD #1: OpenCV, NumPy, and urllib
def url_to_image(url):
  # download the image, convert it to a NumPy array, and then read
  # it into OpenCV format
  resp = urllib.urlopen(url)
  image = np.asarray(bytearray(resp.read()), dtype="uint8")
  image = cv2.imdecode(image, cv2.IMREAD_COLOR)
 
  # return the image
  return image

首先要做的就是導(dǎo)入我們必需的包。我們將使用NumPy轉(zhuǎn)換下載的字節(jié)序為NumPy數(shù)組，使用urllib來執(zhí)行實際的網(wǎng)絡(luò)請求，使用cv2來綁定OpenCV接口。
在第7行，我們定義了我們的url_to_image函數(shù)。這個函數(shù)帶一個url參數(shù)，也就是我們想要下載的圖像地址。

接下來，在第10行，我們使用urllib庫來打開這個圖像鏈接。11行則將這個下載下來的字節(jié)序轉(zhuǎn)換為NumPy數(shù)組。

至此，NumPy數(shù)組還是一個1維數(shù)組（也就是一個長長的像素鏈表）。為了將其轉(zhuǎn)換為2維格式，假設(shè)每個像素3個通道（意即分別為紅，綠，藍(lán)通道），在12行我們使用cv.imdecode函數(shù)。最后，在15行我們返回解碼出來的圖像給調(diào)用函數(shù)。

一切就緒，該到讓它工作的時候了：

# initialize the list of image URLs to download
urls = [
  "http://www.pyimagesearch.com/wp-content/uploads/2015/01/opencv_logo.png",
  "http://www.pyimagesearch.com/wp-content/uploads/2015/01/google_logo.png",
  "http://www.pyimagesearch.com/wp-content/uploads/2014/12/adrian_face_detection_sidebar.png",
]
 
# loop over the image URLs
for url in urls:
  # download the image URL and display it
  print "downloading %s" % (url)
  image = url_to_image(url)
  cv2.imshow("Image", image)
  cv2.waitKey(0)

3-5行定義了我們將要下載和轉(zhuǎn)換為OpenCV格式的圖像地址列表。

第9行我們遍歷這個列表，13行則調(diào)用url_to_image函數(shù)，然后在14行和15行將獲取的圖像顯示到屏幕上。到此呢，我們就可以像正常情況下一樣，使用OpenCV來操作和處理這些圖像了。

眼見為實，打開終端，執(zhí)行如下指令：

復(fù)制代碼代碼如下:

$ python url_to_image.py

如果一切順利的話，你會看到OpenCV的logo：

2015327144145476.jpg (690×553)

圖1：從URL下載OpenCV logo并轉(zhuǎn)換為OpenCV格式

接下來是Google的logo：

2015327144648394.jpg (690×296)

圖2：從URL下載Gooogle并轉(zhuǎn)換為OpenCV格式

這里也有在我書中驗證人臉檢測的例子，《Practical Python and OpenCV》:

2015327145507830.jpg (690×292)

圖3：轉(zhuǎn)換一個URL圖像為OpenCV格式

現(xiàn)在，我們來看另一種獲取圖像并轉(zhuǎn)換為OpenCV格式的方法。

方法2：使用scikit-image

第二種方法假定你已經(jīng)在你計算機(jī)上安裝好了scikit-image庫。讓我們看看怎樣采用scikit-image從URL獲取圖像并將其轉(zhuǎn)換為OpenCV格式：

# METHOD #2: scikit-image
from skimage import io
 
# loop over the image URLs
for url in urls:
  # download the image using scikit-image
  print "downloading %s" % (url)
  image = io.imread(url)
  cv2.imshow("Incorrect", image)
  cv2.imshow("Correct", cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
  cv2.waitKey(0)

scikit-image庫中做得很漂亮的一點是：io子庫中的imread函數(shù)能夠區(qū)分圖像路徑到底在磁盤上還是一個URL（第9行)。

盡管這樣，這里有一個很嚴(yán)重的錯誤可能讓你跌一個跟頭！

OpenCV以BGR順序表達(dá)一幅圖像，然而scikit-image則是RGB順序。如果你使用scikit-iamge的imread函數(shù)，而且還想在下載完成后使用OpenCV的函數(shù)，那么你要小心了。如41行所述，你需要將圖像從RBG轉(zhuǎn)換為BGR。

如果你沒有這一步，那么你可能得到錯誤的結(jié)果：

2015327145042117.jpg (690×368)