介紹

如今的世界存在了大量的數(shù)據(jù)，圖像數(shù)據(jù)是重要的組成部分。如果要利用這些圖片，需要對(duì)圖像進(jìn)行處理，提高圖片質(zhì)量或提取圖片內(nèi)容信息。

圖像處理的常見操作包括圖像顯示，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)和圖像識(shí)別。Python是圖像處理的合適選擇，因?yàn)樗�作為一種科學(xué)編程語(yǔ)言日益普及，并且提供了許多免費(fèi)實(shí)用的圖像處理工具。

下面將介紹10個(gè)用于圖像處理的python庫(kù)，它們?cè)谔幚韴D像等方面都提供了簡(jiǎn)單方便的方法。

1. scikit Image

scikit-image(https://scikit-image.org/)是一個(gè)與numpy一起使用的開源Python工具。它實(shí)現(xiàn)了用于研究，教育和行業(yè)應(yīng)用的算法和實(shí)用程序。即使是剛接觸Python的人也可以輕松使用。它的代碼由活躍的志愿者編寫，由高質(zhì)量的同行進(jìn)行評(píng)審。

資源

有完善的文檔和豐富的示例(http://scikit-image.org/docs/stable/user_guide.html)。

示例

導(dǎo)入skimage，大多數(shù)函數(shù)都在它的子模塊中。下面是一些 skimage 的例子：

圖像過濾

import matplotlib.pyplot as plt 

%matplotlib inline

from skimage import data,filters

image = data.coins()

# ... 或者其他的 Numpy 數(shù)組

edges = filters.sobel(image)

plt.imshow(edges, cmap='gray')

使用match_template函數(shù)進(jìn)行模板匹配

在gallery中有更多例子。

2. Numpy

Numpy是Python的核心庫(kù)之一，它為數(shù)組提供了支持。一個(gè)圖像本質(zhì)上是包含像素?cái)?shù)據(jù)的標(biāo)準(zhǔn)Numpy數(shù)組。因此，通過使用基本的Numpy操作，例如切片，掩膜（mask）和花式索引（fancy indexi）等直接修改圖像的像素值�？梢允褂胹kimage加載圖像并用matplotlib顯示。

資源

Numpy的官方文檔提供了完整的文檔和資源列表(http://www.numpy.org/)。

示例

使用Numpy對(duì)圖像進(jìn)行掩膜操作。

import numpy as np

from skimage import data

import matplotlib.pyplot as plt 

%matplotlib inline

image = data.camera()

type(image)

numpy.ndarray #圖像是一個(gè)numpy數(shù)組

mask = image < 87

image[mask]=255

plt.imshow(image, cmap='gray')

3. Scipy

scipy是一個(gè)類似Numpy的核心科學(xué)計(jì)算模塊，可用于基本的圖像處理任務(wù)。特別是子模塊scipy.ndimage提供了操作n維Numpy數(shù)組的函數(shù)。該軟件包目前包括線性、非線性濾波，二值形態(tài)（binary morphology），B樣條插值（B-spline interpolatio）和對(duì)象測(cè)量（object measurements）等功能。

資源

scipy.ndimage的完整函數(shù)列表：https://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.html#correlation-and-convolution

示例

SciPy高斯過濾：

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>)

4. PIL / Pillow

PIL（Python Imaging Library）是一個(gè)免費(fèi)的Python函數(shù)庫(kù)，它增加了打開、操作和保存多種不同圖像格式的支持。然而，它已經(jīng)停止了開發(fā)，最后一次發(fā)布是2009年。幸運(yùn)的是，PIL有一個(gè)活躍的分支Pillow，它更易于安裝，支持所有主要的操作系統(tǒng)并支持Python 3。該庫(kù)包含了基本的圖像處理功能，包括像素操作，使用內(nèi)置卷積內(nèi)核進(jìn)行過濾以及顏色空間轉(zhuǎn)換。

資源

該文檔包含了安裝指引以及每個(gè)模塊的示例。

示例

使用Pillow中的ImageFilter增強(qiáng)圖像：

from PIL import Image, ImageFilter

#讀入圖像

im = Image.open( 'image.jpg' )

#顯示圖像

im.show()

from PIL import ImageEnhance

enh = ImageEnhance.Contrast(im)

enh.enhance(1.8).show("30% more contrast")

5. OpenCV-Python

OpenCV（Open Source Computer Vision Library）是視覺應(yīng)用中使用最廣的庫(kù)之一。OpenCV-Python是OpenCV的python API。OpenCV-Python不僅速度快，因?yàn)楹笈_(tái)使用C/C++編寫，而且易于編碼和部署（由于前端的Python包裝器）。這使其成為執(zhí)行計(jì)算密集型視覺程序的絕佳選擇。

資源

OpenCV2-Python-Guide使你更容易上手OpenCV-Python。

示例

下面的示例是使用OpenCV-Python的金字塔融合創(chuàng)建名為'Orapple'的新水果的功能。

6. SimpleCV

SimpleCV也是一個(gè)構(gòu)建視覺應(yīng)用的開源框架。有了它，您可以使用如OpenCV等幾個(gè)高性能的計(jì)算機(jī)視覺庫(kù)，不需要了解位深度，文件格式，色彩空間等概念。學(xué)習(xí)難度遠(yuǎn)遠(yuǎn)小于OpenCV，并且正如他們的標(biāo)語(yǔ)所說(shuō)，“它使計(jì)算機(jī)視覺變得簡(jiǎn)單”。SimpleCV的其他優(yōu)點(diǎn)還有：

初學(xué)者也可以編寫簡(jiǎn)單的機(jī)器視覺測(cè)試

攝像機(jī)，視頻文件，圖像和視頻流可以相互操作

資源

官方文檔簡(jiǎn)單易懂，還有大量的案例參考。

示例

7. Mahotas

Mahotas是另一個(gè)Python計(jì)算機(jī)視覺和圖像處理庫(kù)。它包含了傳統(tǒng)的圖像處理功能，如過濾和形態(tài)學(xué)操作，以及用于特征計(jì)算的計(jì)算機(jī)視覺功能，包括興趣點(diǎn)檢測(cè)和局部描述符。該接口使用Python，可以快速開發(fā)，算法使用C++實(shí)現(xiàn)，并且針對(duì)速度進(jìn)行了優(yōu)化。Mahotas庫(kù)具有盡量少的代碼甚至最小的依賴。閱讀他們的{官方文章](https://openresearchsoftware.metajnl.com/articles/10.5334/jors.ac/)獲取更多信息。

資源

該文檔包含了安裝說(shuō)明，示例和教程，幫助你輕松地使用mahotas。

示例

Mahotas盡量使用簡(jiǎn)單的代碼實(shí)現(xiàn)功能。例如“Finding Wally”問題，Mahotas使用最少的代碼實(shí)現(xiàn)了較好的結(jié)果。這里是它的源代碼。

8. SimpleITK

ITK（Insight Segmentation and Registration Toolkit）是一個(gè)開源的跨平臺(tái)系統(tǒng)，為開發(fā)人員提供了一整套用于圖像分析的軟件工具。其中，SimpleITK是一個(gè)基于ITK的簡(jiǎn)化層，旨在促進(jìn)快速原型設(shè)計(jì)，教育，解釋語(yǔ)言中的使用。SimpleITK是一個(gè)圖像分析工具包，具有大量的組件，支持過濾操作，圖像分割和配準(zhǔn)。SimpleITK使用C++編寫，也可以用于包括Python在內(nèi)的大量編程語(yǔ)言。

資源

有許多Jupyter Notebooks展示了SimpleITK在教育和研究中的使用。使用SimpleITK進(jìn)行Python和R編程語(yǔ)言的交互式圖像分析。

示例

下面是使用SimpleITK和Python實(shí)現(xiàn)的CT/MR配準(zhǔn)過程的可視化。源代碼。

9. pgmagick

pgmagick是使用Python包裝的GraphicsMagick庫(kù)。GraphicsMagick有時(shí)被稱為圖像處理中的瑞士軍刀。它提供了強(qiáng)大高效的工具和庫(kù)集合，支持超過88種主要圖像格式的讀取，寫入和操作，包括DPX，GIF，JPEG，JPEG-2000，PNG，PDF，PNM和TIFF等重要格式。

資源

Github倉(cāng)庫(kù)，有安裝和要求說(shuō)明，詳細(xì)的用戶指南。

示例

一些使用 pgmagick 的圖像操作：

圖像縮放：

邊緣提�。�

10. Pycairo

Pycairo是cairo圖形庫(kù)的一組python綁定。Cairo是一個(gè)繪制矢量圖形的2D圖形庫(kù)。矢量圖形在調(diào)整大小或變換時(shí)不會(huì)丟失清晰度。Pycairo可使用Python調(diào)用cairo命令。

資源

Pycairo GitHub倉(cāng)庫(kù)有安裝和使用的詳細(xì)說(shuō)明。以及Pycairo的簡(jiǎn)要教程。

示例

使用Pycairo繪制線段，基本形狀和徑向漸變（radial gradients）。