Python中的十大图像处理工具

 

文章发布于公号【数智物语】 （ID：decision_engine），关注公号不错过每一篇干货。

 

 

 

来源 | 大数据文摘(BigDataDigest)

编译 | 张秋玥、小7、蒋宝尚

 

 

本文主要介绍了一些简单易懂最经常使用的 Python 图像处理库。

 

当今世界充满了各类数据，而图像是其中高的重要组成部分。然而，若想其有所应用，咱们须要对这些图像进行处理。图像处理是分析和操纵数字图像的过程，旨在提升其质量或从中提取一些信息，而后将其用于某些方面。

 

图像处理中的常见任务包括显示图像，基本操做（如裁剪、翻转、旋转等），图像分割，分类和特征提取，图像恢复和图像识别等。 Python 之成为图像处理任务的最佳选择，是由于这一科学编程语言日益普及，而且其自身免费提供许多最早进的图像处理工具。

 

让咱们看一下用于图像处理任务的一些经常使用 Python 库。

 

01scikit Image

 

scikit-image 是一个基于 numpy 数组的开源 Python 包。 它实现了用于研究、教育和工业应用的算法和实用程序。 即便是对于那些刚接触 Python 的人，它也是一个至关简单的库。 此库代码质量很是高并已通过同行评审，是由一个活跃的志愿者社区编写的。

 

使用说明文档：

https://scikit-image.org/docs/stable/user_guide.html

 

用法举例：图像过滤、模版匹配

 

可以使用“skimage”来导入该库。大多数功能都能在子模块中找到。 

 

import matplotlib.pyplot as plt%matplotlib inlinefrom skimage import data,filtersimage = data.coins()# ... or any other NumPy array!edges = filters.sobel(image)plt.imshow(edges, cmap='gray')

 

 

模版匹配（使用 match_template 函数）

 

 

gallery 上还有更多例子。

 

https://scikit-image.org/docs/dev/auto_examples/

 

02Numpy

 

Numpy 是 Python 编程的核心库之一，支持数组结构。 图像本质上是包含数据点像素的标准 Numpy 数组。 所以，经过使用基本的 NumPy 操做——例如切片、脱敏和花式索引，能够修改图像的像素值。 可使用 skimage 加载图像并使用 matplotlib 显示。

 

使用说明文档：

http://www.numpy.org/

 

用法举例：使用 Numpy 来对图像进行脱敏处理

 

import numpy as npfrom skimage import dataimport matplotlib.pyplot as plt%matplotlib inlineimage = data.camera()type(image)numpy.ndarray #Image is a numpy arraymask = image < 87image[mask]=255plt.imshow(image, cmap='gray')

 

 

03Scipy

 

scipy 是 Python 的另外一个核心科学模块，就像 Numpy 同样，可用于基本的图像处理和处理任务。值得一提的是，子模块 scipy.ndimage 提供了在 n 维 NumPy 数组上运行的函数。 该软件包目前包括线性和非线性滤波、二进制形态、B 样条插值和对象测量等功能。

 

使用说明文档：

https://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.html#correlation-and-convolution

 

用法举例：使用 SciPy 的高斯滤波器对图像进行模糊处理

 

from scipy import misc,ndimageface = misc.face()blurred_face = ndimage.gaussian_filter(face, sigma=3)very_blurred = ndimage.gaussian_filter(face, sigma=5)#Resultsplt.imshow(<image to be displayed>)

 

 

04PIL/ Pillow

 

PIL (Python Imaging Library) 是一个免费的 Python 编程语言库，它增长了对打开、处理和保存许多不一样图像文件格式的支持。 然而，它的发展停滞不前，其最后一次更新仍是在 2009 年。幸运的是， PIL 有一个正处于积极开发阶段的分支 Pillow，它很是易于安装。Pillow 能在全部主要操做系统上运行并支持 Python 3。该库包含基本的图像处理功能，包括点操做、使用一组内置卷积内核进行过滤以及颜色空间转换。

 

使用说明文档：

https://pillow.readthedocs.io/en/3.1.x/index.html

 

用法举例：使用 ImageFilter 加强 Pillow 中的图像

 

from PIL import Image, ImageFilter#Read imageim = Image.open( 'image.jpg' )#Display imageim.show()from PIL import ImageEnhanceenh = ImageEnhance.Contrast(im)enh.enhance(1.8).show("30% more contrast")

 

 

05OpenCV-Python

 

OpenCV（开源计算机视觉库，Open Source Computer Vision Library）是计算机视觉应用中使用最普遍的库之一。OpenCV-Python 是 OpenCV 的 python API。 OpenCV-Python 不只速度快（由于后台由用 C / C ++ 编写的代码组成），也易于编码和部署（因为前端的 Python 包装器）。 这使其成为执行计算密集型计算机视觉程序的绝佳选择。

 

使用说明文档：

https://github.com/abidrahmank/OpenCV2-Python-Tutorials

 

用法举例：使用 Pyramids 建立一个名为'Orapple'的新水果的功能

 

 

06SimpleCV

 

SimpleCV 也是用于构建计算机视觉应用程序的开源框架。 经过它能够访问如 OpenCV 等高性能的计算机视觉库，而无需首先了解位深度、文件格式或色彩空间等。学习难度远远小于 OpenCV，而且正如他们的标语所说，“ 它使计算机视觉变得简单 ”。支持 SimpleCV 的一些观点是：

• 即便是初学者也能够编写简单的机器视觉测试

• 摄像机、视频文件、图像和视频流均可以交互操做

 

使用说明文档：

https://simplecv.readthedocs.io/en/latest/

 

用法举例

 

 

07Mahotas

 

Mahotas 是另外一个用于 Python 的计算机视觉和图像处理库。 它包含传统的图像处理功能（如滤波和形态学操做）以及用于特征计算的更现代的计算机视觉功能（包括兴趣点检测和局部描述符）。 该接口使用 Python，适用于快速开发，但算法是用 C++ 实现的，而且针对速度进行了优化。Mahotas 库运行很快，它的代码很简单，（对其它库的）依赖性也很小。 建议阅读他们的官方文档以了解更多内容。

 

使用说明文档：

https://mahotas.readthedocs.io/en/latest/install.html

 

用法举例

 

Mahotas 库使用简单的代码来完成工做。 对于“ 寻找 Wally ”的问题，Mahotas 完成的得很好，并且代码量很是小。

 

 

08SimpleITK

 

ITK (Insight Segmentation and Registration Toolkit) 是一个开源的跨平台系统，为开发人员提供了一整套用于图像分析的软件工具。 其中， SimpleITK 是一个创建在 ITK 之上的简化层，旨在促进其在快速原型设计、教育以及脚本语言中的使用。SimpleITK 是一个包含大量组件的图像分析工具包，支持通常的过滤操做、图像分割和配准。 SimpleITK 自己是用 C++ 编写的，但可用于包括 Python 在内的大量编程语言。

 

使用说明文档：

https://github.com/hhatto/pgmagick

 

这里有大量说明了如何使用 SimpleITK 进行教育和研究活动的 Jupyter notebook。notebook 中演示了如何使用 SimpleITK 进行使用 Python 和 R 编程语言的交互式图像分析。

 

用法举例

 

下面的动画是使用 SimpleITK 和 Python 建立的可视化的严格 CT / MR 配准过程。

 

 

09pgmagick

 

pgmagick 是 GraphicsMagick 库基于 Python 的包装器。GraphicsMagick 图像处理系统有时被称为图像处理的瑞士军刀。它提供了强大而高效的工具和库集合，支持超过 88 种主要格式图像的读取、写入和操做，包括 DPX，GIF，JPEG，JPEG-2000，PNG，PDF，PNM 和 TIFF 等重要格式。

 

使用说明文档：

https://github.com/hhatto/pgmagick

 

用法举例：图片缩放、边缘提取

 

图片缩放

 

边缘提取

 

10Pycairo

 

Pycairo 是图形库 cairo 的一组 python 绑定。 Cairo 是一个用于绘制矢量图形的 2D 图形库。 矢量图形颇有趣，由于它们在调整大小或进行变换时不会下降清晰度。Pycairo 库能够从 Python 调用 cairo 命令。

 

使用说明文档：

https://github.com/pygobject/pycairo

 

用法：Pycairo 能够绘制线条、基本形状和径向渐变

 

 

以上就是一些免费的优秀图像处理 Python 库。有些很知名，你可能已经知道或者用过，有些可能对你来讲仍是新的。那正好如今就上手操做一下，试一试吧！

 

相关报道：

https://towardsdatascience.com/image-manipulation-tools-for-python-6eb0908ed61f

 

 

 

星标我，天天多一点智慧