10 个 Python 图像编辑工具

时间 2019-11-16

原文原文链接

如下提到的这些 Python 工具在编辑图像、操做图像底层数据方面都提供了简单直接的方法。html

当今的世界充满了数据，而图像数据就是其中很重要的一部分。但只有通过处理和分析，提升图像的质量，从中提取出有效地信息，才能利用到这些图像数据。python

常见的图像处理操做包括显示图像，基本的图像操做，如裁剪、翻转、旋转；图像的分割、分类、特征提取；图像恢复；以及图像识别等等。Python 做为一种日益风靡的科学编程语言，是这些图像处理操做的最佳选择。同时，在 Python 生态当中也有不少能够无偿使用的优秀的图像处理工具。linux

下文将介绍 10 个能够用于图像处理任务的 Python 库，它们在编辑图像、查看图像底层数据方面都提供了简单直接的方法。git

一、scikit-image

scikit-image 是一个结合 NumPy 数组使用的开源 Python 工具，它实现了可用于研究、教育、工业应用的算法和应用程序。即便是对于刚刚接触 Python 生态圈的新手来讲，它也是一个在使用上足够简单的库。同时它的代码质量也很高，由于它是由一个活跃的志愿者社区开发的，而且经过了同行评审peer review。程序员

资源

scikit-image 的文档很是完善，其中包含了丰富的用例。github

示例

能够经过导入 skimage 使用，大部分的功能均可以在它的子模块中找到。算法

图像滤波image filtering：编程

import matplotlib.pyplot as plt
%matplotlib inline

from skimage import data,filters

image = data.coins() # ... or any other NumPy array!
edges = filters.sobel(image)
plt.imshow(edges, cmap='gray')
复制代码

使用 match_template() 方法实现模板匹配template matching：数组

在展现页面能够看到更多相关的例子。ruby

二、NumPy

NumPy 提供了对数组的支持，是 Python 编程的一个核心库。图像的本质其实也是一个包含像素数据点的标准 NumPy 数组，所以能够经过一些基本的 NumPy 操做（例如切片、掩膜mask、花式索引fancy indexing等），就能够从像素级别对图像进行编辑。经过 NumPy 数组存储的图像也能够被 skimage 加载并使用 matplotlib 显示。

资源

在 NumPy 的官方文档中提供了完整的代码文档和资源列表。

示例

使用 NumPy 对图像进行掩膜mask操做：

import numpy as np
from skimage import data
import matplotlib.pyplot as plt
%matplotlib inline

image = data.camera()
type(image)
numpy.ndarray #Image is a NumPy array:

mask = image < 87
image[mask]=255
plt.imshow(image, cmap='gray')
复制代码

三、SciPy

像 NumPy 同样，SciPy 是 Python 的一个核心科学计算模块，也能够用于图像的基本操做和处理。尤为是 SciPy v1.1.0 中的 scipy.ndimage 子模块，它提供了在 n 维 NumPy 数组上的运行的函数。SciPy 目前还提供了线性和非线性滤波linear and non-linear filtering、二值形态学binary morphology、B 样条插值B-spline interpolation、对象测量object measurements等方面的函数。

资源

在官方文档中能够查阅到 scipy.ndimage 的完整函数列表。

示例

使用 SciPy 的高斯滤波对图像进行模糊处理：

from scipy import misc,ndimage

face = misc.face()
blurred_face = ndimage.gaussian_filter(face, sigma=3)
very_blurred = ndimage.gaussian_filter(face, sigma=5)

#Results
plt.imshow(<image to be displayed>)
复制代码

四、PIL/Pillow

PIL (Python Imaging Library) 是一个免费 Python 编程库，它提供了对多种格式图像文件的打开、编辑、保存的支持。但在 2009 年以后 PIL 就中止发布新版本了。幸运的是，还有一个 PIL 的积极开发的分支 Pillow，它的安装过程比 PIL 更加简单，支持大部分主流的操做系统，而且还支持 Python 3。Pillow 包含了图像的基础处理功能，包括像素点操做、使用内置卷积内核进行滤波、颜色空间转换等等。

资源

Pillow 的官方文档提供了 Pillow 的安装说明本身代码库中每个模块的示例。

示例

使用 Pillow 中的 ImageFilter 模块实现图像加强：

from PIL import Image,ImageFilter
#Read image
im = Image.open('image.jpg')
#Display image
im.show()

from PIL import ImageEnhance
enh = ImageEnhance.Contrast(im)
enh.enhance(1.8).show("30% more contrast")
复制代码

Enhancing an image in Pillow using ImageFilter

源码

五、OpenCV-Python

OpenCV（Open Source Computer Vision 库）是计算机视觉领域最普遍使用的库之一，OpenCV-Python 则是 OpenCV 的 Python API。OpenCV-Python 的运行速度很快，这归功于它使用 C/C++ 编写的后台代码，同时因为它使用了 Python 进行封装，所以调用和部署的难度也不大。这些优势让 OpenCV-Python 成为了计算密集型计算机视觉应用程序的一个不错的选择。

资源

入门以前最好先阅读 OpenCV2-Python-Guide 这份文档。

示例

使用 OpenCV-Python 中的金字塔融合Pyramid Blending将苹果和橘子融合到一块儿：

Image blending using Pyramids in OpenCV-Python

源码

六、SimpleCV

SimpleCV 是一个开源的计算机视觉框架。它支持包括 OpenCV 在内的一些高性能计算机视觉库，同时不须要去了解位深度bit depth、文件格式、色彩空间color space之类的概念，所以 SimpleCV 的学习曲线要比 OpenCV 平缓得多，正如它的口号所说，“将计算机视觉变得更简单”。SimpleCV 的优势还有：

即便是刚刚接触计算机视觉的程序员也能够经过 SimpleCV 来实现一些简易的计算机视觉测试
录像、视频文件、图像、视频流都在支持范围内

资源

官方文档简单易懂，同时也附有大量的学习用例。

示例

七、Mahotas

Mahotas 是另外一个 Python 图像处理和计算机视觉库。在图像处理方面，它支持滤波和形态学相关的操做；在计算机视觉方面，它也支持特征计算feature computation、兴趣点检测interest point detection、局部描述符local descriptors等功能。Mahotas 的接口使用了 Python 进行编写，所以适合快速开发，而算法使用 C++ 实现，并针对速度进行了优化。Mahotas 尽量作到代码量少和依赖项少，所以它的运算速度很是快。能够参考官方文档了解更多详细信息。

资源

文档包含了安装介绍、示例以及一些 Mahotas 的入门教程。

示例

Mahotas 力求使用少许的代码来实现功能。例如这个 Finding Wally 游戏：

源码

八、SimpleITK

ITK（Insight Segmentation and Registration Toolkit）是一个为开发者提供普适性图像分析功能的开源、跨平台工具套件，SimpleITK 则是基于 ITK 构建出来的一个简化层，旨在促进 ITK 在快速原型设计、教育、解释语言中的应用。SimpleITK 做为一个图像分析工具包，它也带有大量的组件，能够支持常规的滤波、图像分割、图像配准registration功能。尽管 SimpleITK 使用 C++ 编写，但它也支持包括 Python 在内的大部分编程语言。

资源

有不少 Jupyter Notebooks 用例能够展现 SimpleITK 在教育和科研领域中的应用，经过这些用例能够看到如何使用 Python 和 R 利用 SimpleITK 来实现交互式图像分析。

示例

使用 Python + SimpleITK 实现的 CT/MR 图像配准过程：

源码

九、pgmagick

pgmagick 是使用 Python 封装的 GraphicsMagick 库。GraphicsMagick 一般被认为是图像处理界的瑞士军刀，由于它强大而又高效的工具包支持对多达 88 种主流格式图像文件的读写操做，包括 DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM、TIFF 等等。