用于圖像處理的Python頂級(jí)庫

點(diǎn)擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”
    
    

     
     

      
      
       
       

        重磅干貨，第一時(shí)間送達(dá) 
        
        
       
       
     
     
    
    

介紹

正如IDC所指出的，數(shù)字信息將飆升至175 ZB，而這些信息中的巨大一部分是圖片。數(shù)據(jù)科學(xué)家需要（預(yù)先）測量這些圖像，然后再將它們放入人工智能和深度學(xué)習(xí)模型中。在愉快的部分開始之前，他們需要做重要的工作。

為了快速地處理大量信息，科學(xué)家需要利用圖像準(zhǔn)備工具來完成人工智能和深度學(xué)習(xí)任務(wù)。

在本文中，我將深入研究Python中最有用的圖像處理庫，這些庫正在人工智能和深度學(xué)習(xí)任務(wù)中得到大力利用。我們開始吧！

目錄

1. OpenCV
2. Scikit-Image
3. Scipy
4. Python Image Library (Pillow/PIL)
5. Matplotlib
6. SimpleITK
7. Numpy
8. Mahotas

OpenCV

OpenCV是最著名和應(yīng)用最廣泛的開源庫之一，用于圖像處理、目標(biāo)檢測、人臉檢測、圖像分割、人臉識(shí)別等計(jì)算機(jī)視覺任務(wù)。除此之外，它還可以用于機(jī)器學(xué)習(xí)任務(wù)。

這是英特爾在2002年開發(fā)的。它是用C++編寫的，但是開發(fā)人員已經(jīng)提供了Python和java綁定。它易于閱讀和使用。

為了建立計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)模型，OpenCV有超過2500種算法。這些算法對于執(zhí)行各種任務(wù)非常有用，例如人臉識(shí)別、目標(biāo)檢測等。讓我們看一些可以使用OpenCV執(zhí)行的示例：

灰度縮放

灰度縮放是一種將3通道圖像（如RGB、HSV等）轉(zhuǎn)換為單通道圖像（即灰度）的方法。最終的圖像在全白和全黑之間變化?；叶瓤s放的重要性包括降維（將3通道圖像轉(zhuǎn)換為單通道圖像）、降低模型復(fù)雜度等。

下面的代碼片段顯示了OpenCV中的灰度縮放

   
   

    import cv2 as cv
img = cv.imread('example.jpg')
cv.imshow('Original', img)
cv.waitKey()
#Use cvtColor, to convert to grayscale
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('Grayscale', gray_img)
cv.waitKey(0)

   
   

旋轉(zhuǎn)圖像

OpenCV有助于使用從0到360度的任意角度旋轉(zhuǎn)圖像。

檢查以下代碼以將圖像旋轉(zhuǎn)180度。

   
   

    import cv2 as cv
import matplotlib.pyplot as plt
img = cv.imread('example.jpg')
h, w = image.shape[:2]
rot_matrix = cv.getRotationMatrix2D((w/2,h/2), -180, 0.5)
rot_image = cv.warpAffine(img, rot_matrix, (w, h))
plt.imshow(cv.cvtColor(rot_image, cv.COLOR_BGR2RGB))

   
   

OpenCV還提供了除我們到目前為止討論的功能之外的其他功能。除此之外，它還有助于人臉檢測、圖像分割、特征提取、目標(biāo)檢測、三維重建等。

有關(guān)更多信息，請查看官方文檔：https://opencv.org/

Scikit-Image

Scikit Image是另一個(gè)偉大的開源圖像處理庫。它幾乎適用于任何計(jì)算機(jī)視覺任務(wù)。它是最簡單、最直接的庫之一。這個(gè)庫的某些部分是用Cython編寫的（它是python編程語言的超集，旨在使python比C語言更快）。

它提供了大量的算法，包括分割、顏色空間操作、幾何變換、濾波、形態(tài)學(xué)、特征檢測等。

Scikit Image使用Numpy數(shù)組作為圖像對象。讓我們看看如何在scikit圖像中執(zhí)行活動(dòng)輪廓操作。活動(dòng)輪廓描述圖像中形狀的邊界。

檢查以下活動(dòng)輪廓操作代碼：

   
   

    import numpy as np
import matplotlib.pyplot as plt
from skimage.color import rgb2gray
from skimage import data
from skimage.filters import gaussian
from skimage.segmentation import active_contour
image = data.astronaut()
# Data for circular boundary
s = np.linspace(0, 2*np.pi, 400)
x = 220 + 100*np.cos(s)
y = 100 + 100*np.sin(s)
init = np.array([x, y]).T
# formation of the active contour
centre = active_contour(gaussian(image, 3),init, alpha=0.015, beta=10, gamma=0.001)
figure, axis = plt.subplots(1, 2, figsize=(7, 7))
ax[0].imshow(image, cmap=plt.cm.gray)
ax[0].set_title("Original Image")
ax[1].imshow(image, cmap=plt.cm.gray)

   
   

有關(guān)更多信息，請查看官方文檔：https://scikit-image.org/docs/stable/auto_examples/

Scipy

SciPy主要用于數(shù)學(xué)和科學(xué)計(jì)算，但有時(shí)也可以使用子模塊SciPy.ndimage用于基本的圖像操作和處理任務(wù)。

歸根結(jié)底，圖像只是多維數(shù)組，SciPy提供了一組用于操作n維Numpy操作的函數(shù)。SciPy提供了一些基本的圖像處理操作，如人臉檢測、卷積、圖像分割、讀取圖像、特征提取等。

除此之外，還可以執(zhí)行過濾，在圖像上繪制輪廓線。

請檢查以下代碼以使用SciPy模糊圖像：

   
   

    from scipy import ndimage, misc
from matplotlib import pyplot as plt
f = misc.face()
b_face = ndimage.gaussian_filter(f, sigma=3)
figure, axis = plt.subplots(1, 2, figsize=(16, 8))

   
   

有關(guān)更多信息，請查看官方文檔：https://docs.scipy.org/doc/scipy/reference/ndimage.html

Python Image Library (Pillow/PIL)

它是一個(gè)用于圖像處理任務(wù)的開放源碼python庫。它提供了其他庫通常不提供的特殊功能，如過濾、打開、操作和保存圖像。這個(gè)庫支持多種文件格式，這使它更高效。PIL還支持圖像處理、圖像顯示和圖像存檔等功能。讓我們看看使用Pillow/PIL的圖像增強(qiáng)。

庫

更改圖像的清晰度：

有關(guān)更多信息，請查看官方文檔：https://pillow.readthedocs.io/en/stable/index.html

Matplotlib

Matplotlib主要用于二維可視化，如散點(diǎn)圖、條形圖、直方圖等，但我們也可以將其用于圖像處理。從圖像中提取信息是有效的。它不支持所有的文件格式。

背景顏色更改操作后，請檢查以下圖像：

有關(guān)更多信息，請查看官方文檔：https://matplotlib.org/stable/tutorials/introductory/images.html

SimpleITK

它也稱為圖像分割和注冊工具包。它是一個(gè)用于圖像注冊和圖像分割的開源庫。像OpenCV這樣的庫將圖像視為一個(gè)數(shù)組，但是這個(gè)庫將圖像視為空間中某個(gè)區(qū)域上的一組點(diǎn)。檢查以下示例：

圖像分割

有關(guān)更多信息，請查看官方文檔：https://itk.org/

Numpy

它是一個(gè)用于數(shù)值分析的開放源碼python庫。它包含一個(gè)矩陣和多維數(shù)組作為數(shù)據(jù)結(jié)構(gòu)。但是NumPy也可以用于圖像處理任務(wù)，例如圖像裁剪、操作像素和像素值的蒙版。

檢查下圖以從圖像中提取綠色/紅色/藍(lán)色通道：

有關(guān)更多信息，請查看官方文檔：https://scikit-image.org/docs/dev/user_guide/numpy_images.html

Mahotas

它是另一個(gè)用于計(jì)算機(jī)視覺和圖像處理的開放源碼python庫。它是為生物信息學(xué)而設(shè)計(jì)的。它提供了很多算法，這些算法是用C++編寫的，速度很快，使用了一個(gè)好的Python接口。它以NumPy數(shù)組讀取和寫入圖像。

使用Mahotas檢查下面的模板匹配圖像：

有關(guān)更多信息，請查看官方文檔：https://mahotas.readthedocs.io/en/latest/#

結(jié)論

因此，在本文中，我們介紹了2021年機(jī)器學(xué)習(xí)用python中排名前8位的圖像處理庫。我希望你從這個(gè)博客中學(xué)到一些東西，對你的項(xiàng)目有益。

   
   

    下載1：OpenCV-Contrib擴(kuò)展模塊中文版教程
    
    

   
   
   
   

    在「小白學(xué)視覺」公眾號(hào)后臺(tái)回復(fù)：擴(kuò)展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴(kuò)展模塊教程中文版，涵蓋擴(kuò)展模塊安裝、SFM算法、立體視覺、目標(biāo)跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。
   
   
   
   

    
    

   
   
   
   

    下載2：Python視覺實(shí)戰(zhàn)項(xiàng)目52講
   
   
   
   

    在「小白學(xué)視覺」公眾號(hào)后臺(tái)回復(fù)：Python視覺實(shí)戰(zhàn)項(xiàng)目，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計(jì)數(shù)、添加眼線、車牌識(shí)別、字符識(shí)別、情緒檢測、文本內(nèi)容提取、面部識(shí)別等31個(gè)視覺實(shí)戰(zhàn)項(xiàng)目，助力快速學(xué)校計(jì)算機(jī)視覺。
   
   
   
   

    
    

   
   
   
   

    下載3：OpenCV實(shí)戰(zhàn)項(xiàng)目20講
   
   
   
   

    在「小白學(xué)視覺」公眾號(hào)后臺(tái)回復(fù)：OpenCV實(shí)戰(zhàn)項(xiàng)目20講，即可下載含有20個(gè)基于OpenCV實(shí)現(xiàn)20個(gè)實(shí)戰(zhàn)項(xiàng)目，實(shí)現(xiàn)OpenCV學(xué)習(xí)進(jìn)階。
   
   
   
   

    
    

   
   
交流群

歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測、分割、識(shí)別、醫(yī)學(xué)影像、GAN、算法競賽等微信群（以后會(huì)逐漸細(xì)分），請掃描下面微信號(hào)加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會(huì)根據(jù)研究方向邀請進(jìn)入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會(huì)請出群，謝謝理解~