這些Python庫提供了一種簡單直觀的方法來轉(zhuǎn)換圖像并理解底層數(shù)據(jù)。

今天的世界充滿了數(shù)據(jù)，圖像是這些數(shù)據(jù)的重要組成部分。但是，在使用它們之前，必須對這些數(shù)字圖像進行處理 - 分析和操作，以提高其質(zhì)量或提取一些可以使用的信息。

常見的圖像處理任務(wù)包括顯示；基本操作如裁剪，翻轉(zhuǎn)，旋轉(zhuǎn)等;；圖像分割，分類和特征提取；圖像恢復(fù)；圖像識別。Python是這些圖像處理任務(wù)的絕佳選擇，因為它作為一種科學(xué)編程語言日益普及，并且在其生態(tài)系統(tǒng)中免費提供許多最先進的圖像處理工具。

本文六星教育分享10個最常用的Python庫，用于圖像處理任務(wù)。這些庫提供了一種簡單直觀的方法來轉(zhuǎn)換圖像并理解底層數(shù)據(jù)。

1. scikit-image

scikit-image是一個與NumPy數(shù)組一起使用的開源Python包。它實現(xiàn)了用于研究，教育和行業(yè)應(yīng)用的算法和實用程序。它是一個相當(dāng)簡單直接的庫，即使對那些不熟悉Python生態(tài)系統(tǒng)的人也是如此。代碼質(zhì)量高，經(jīng)過同行評審，由一個活躍的志愿者社區(qū)編寫。

資源

scikit-image文檔豐富，有很多示例和實際使用方法。

用法

該包通過skimage導(dǎo)入，大多數(shù)功能可以在子模塊中找到。

圖像過濾：

使用match_template函數(shù)進行模板匹配：

你可以在gallery中找到更多的例子。

2. NumPy

NumPy是Python編程中的核心庫之一，并為數(shù)組提供支持。圖像本質(zhì)上是包含數(shù)據(jù)點像素的標準NumPy數(shù)組。因此，通過使用基本的NumPy操作（如slicing，masking和fancy indexing），您可以修改圖像的像素值?？梢允褂?strong>?skimage加載圖像并使用 Matplotlib顯示。

資源

NumPy的官方文檔頁面提供了完整的資源和文檔列表。

用法

使用Numpy來mask圖片：

3. SciPy

SciPy是Python的另一個核心科學(xué)模塊（如NumPy），可用于基本的圖像操作和處理任務(wù)。特別是，子模塊 scipy.ndimage（在SciPy v1.1.0中）提供了在n維NumPy數(shù)組上運行的函數(shù)。該軟件包目前包括線性和非線性濾波，二進制形態(tài)，B樣條插值和對象測量等功能。

資源

有關(guān)scipy.ndimage包所提供的完整功能列表，請參閱文檔。

用法

使用SciPy通過高斯濾波器進行模糊

4. PIL/Pillow

PIL（Python Imaging Library）是一個免費的Python編程語言庫，它增加了對打開，操作和保存許多不同圖像格式的支持。然而，它的發(fā)展停滯不前，其最后一版發(fā)布于2009年。幸運的是，Pillow是一個積極開發(fā)的PIL分支，它更易于安裝，可在所有主流操作系統(tǒng)上運行，并支持Python 3。該庫包含基本圖像處理功能，包括點操作，使用一組內(nèi)置卷積內(nèi)核進行過濾以及顏色空間轉(zhuǎn)換。

資源

文檔包含安裝說明以及涵蓋庫的每個模塊的示例。

用法

使用ImageFilter增強Pillow中的圖像：

5. OpenCV-Python

OpenCV（Open Source Computer Vision Library）是計算機視覺應(yīng)用中使用最廣泛的庫之一。OpenCV-Python是OpenCV的Python API。因為后臺由C / C ++編寫的代碼組成，OpenCV-Python速度很快快，但它也很容易編碼和部署（由于前端的Python包裝器）。這使其成為執(zhí)行計算密集型計算機視覺程序的絕佳選擇。

資源

通過OpenCV2-Python-Guide可以很容易上手OpenCV-Python

用法

使用OpenCV-Python中的 Image Blending using Pyramids創(chuàng)建一個“Orapple”：

6. SimpleCV

SimpleCV是另一個用于構(gòu)建計算機視覺應(yīng)用程序的開源框架。它提供訪問幾個高性能計算機視覺庫，如OpenCV，的接口，但無需了解位深度，文件格式，色彩空間等。它的學(xué)習(xí)曲線遠小于OpenCV，并且（如其標語所示），“它令計算機視覺變得簡單?！敝С諷impleCV的一些觀點是：

即使是初學(xué)者也可以編寫簡單的機器視覺測試

攝像機，視頻文件，圖像和視頻流都可以互操作

資源

很容易按照官方文檔的指導(dǎo)進行操作，并有大量的示例和用例可供遵循。

用法

7. Mahotas

Mahotas是另一個用于Python的計算機視覺和圖像處理庫。它包含傳統(tǒng)的圖像處理功能，如過濾和形態(tài)操作，以及用于特征計算的更現(xiàn)代的計算機視覺功能，包括興趣點檢測和局部描述符。使用Python編寫接口，適用于快速開發(fā)，但算法是用C ++實現(xiàn)的，并且針對速度進行了優(yōu)化。Mahotas庫運行快速，代碼簡約，依賴性小。閱讀其官方文章以獲得更多了解。

資源

文檔包含安裝說明，示例，甚至一些教程幫助您輕松開始使用Mahotas。

用法

Mahotas庫依靠簡單的代碼來完成工作。例如，使用最少量的代碼Finding Wally問題就可以很好地解決。

解決Finding Wally問題:

8. SimpleITK

ITK（Insight Segmentation and Registration Toolkit）是一個“開源，跨平臺系統(tǒng)，為開發(fā)人員提供了一套用于圖像分析的廣泛軟件工具。SimpleITK是一個基于ITK構(gòu)建的簡化層，旨在促進其在快速原型設(shè)計，交易以及解釋語言方面的應(yīng)用。”它也是一個圖像分析工具包，具有大量組件，支持一般過濾操作，圖像分割和配準。SimpleITK是用C ++編寫的，但它可用包括Python在內(nèi)的大量編程語言進行操作。

資源

有大量的Jupyter Notebook說明了SimpleITK在教育和研究活動中的應(yīng)用。Notebooks使用Python和R編程語言演示如何使用SimpleITK進行交互式圖像分析。

用法

使用SimpleITK和Python創(chuàng)建可視化的嚴格CT / MR配準過程：

9. pgmagick

pgmagick是基于Python的GraphicsMagick庫的包裝器。GraphicsMagick圖像處理系統(tǒng)，有時也被稱為圖像處理的瑞士軍刀。其強大而高效的工具和庫集合支持在超過88種主要格式（包括DPX，GIF，JPEG，JPEG-2000，PNG，PDF，PNM和TIFF）上讀取，寫入和操作圖像。

資源

pgmagick的GitHub respository有安裝說明和要求。還有一個詳細的用戶指南。

用法

圖像縮放：

邊緣提?。?/p>

10. Pycairo

Pycairo是Cairo圖形庫的一組Python綁定。Cairo是一個用于繪制矢量圖形的2D圖形庫。矢量圖形很有趣，因為它們在調(diào)整大小或變換時不會失去清晰度。Pycairo可以從Python調(diào)用Cairo命令。

資源

Pycairo GitHub respository是一個很好的資源，包含有關(guān)安裝和使用的詳細說明。還有一個入門指南，有一個關(guān)于Pycairo的簡短教程。

用法

用Pycairo繪制線條，基本形狀和徑向漸變：

結(jié)論

這些是Python中一些有用且免費提供的圖像處理庫。有些是眾所周知的，有些可能對你來說是新的。嘗試一下它們以了解更多關(guān)于它們的信息！

以上就是本次分享的全部內(nèi)容，想學(xué)習(xí)更多編程技巧，歡迎持續(xù)關(guān)注六星源課堂！