干貨整理！10個(gè)Python圖像處理工具，入門必看，提效大法

在圖像處理領(lǐng)域，一庫在手，相當(dāng)于天下已有。但是今天給大家推薦10個(gè)好用的庫，快來看看有哪些吧~

有一位搞數(shù)據(jù)科學(xué)的小姐姐Parul Pandey，整理了一份實(shí)用Python圖像處理工具，內(nèi)含十大經(jīng)典Python庫。

這份資源中的工具可用于圖像處理中的常見任務(wù)，包括裁剪、翻轉(zhuǎn)、旋轉(zhuǎn)、圖像分割、分類和特征提取、圖像恢復(fù)和圖像識(shí)別等?？芍^干貨滿滿，圖像處理提升效率必備。

1、scikit Image

scikit-image是一個(gè)與numpy數(shù)組配合使用的開源Python包，在學(xué)術(shù)研究、教育和行業(yè)領(lǐng)域都可應(yīng)用。

即使是那些剛接觸Python生態(tài)系統(tǒng)的人，也會(huì)覺得這是一個(gè)相當(dāng)簡(jiǎn)單直接的庫。

通過這個(gè)包能完成很多任務(wù)，比如圖像過濾：

import matplotlib.pyplot as plt
%matplotlib inline
from skimage import data,filters
image=ata.coins()
edges=filters.sobel(image)
plt.imshow(edges,cmap= gray

使用match_template 函數(shù)進(jìn)行模板匹配：

官方地址：https://scikit-image.org/

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

2、Numpy

Numpy是Python的核心庫之一，也能支持?jǐn)?shù)組，圖像本質(zhì)上是包含數(shù)據(jù)點(diǎn)像素的標(biāo)準(zhǔn)Numpy數(shù)組。

因此，通過基本的NumPy操作，可以修改圖像的像素值。

也可以使用skimage加載圖像并用matplotlib顯示。使用方法也和簡(jiǎn)單，比如需要mask一張圖像時(shí)：

import numpy as npfrom skimage import dataimport matplotlib.pyplot as plt
%matplotlib inlineimage=data.camera()type(image)numpy.ndarraymask=image<87image[mask]=255plt.imshow(image,cmap= gray )

官方地址：http://www.numpy.org/

3. Scipy

scipy是Python中另一個(gè)核心模塊，可用于基本的圖像操作和處理任務(wù)。

特別需要注意的是，子模塊scipy.ndimage提供在n維NumPy數(shù)組上運(yùn)行的功能。這個(gè)包目前包括線性和非線性濾波器、二元形態(tài)、B-spline插值和物體測(cè)量等功能。

可以用高斯過濾用Scipy模糊高斯濾波器：

from scipy import misc,ndimage
face=misc.face()blu_face=ndimage.gaussian_filter(face,sigma=3)very_blu=ndimage.gaussian_filter(face,sigma=5)
plt.imshow(<image to be displayed>)

官方資料：

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

4、PIL/ Pillow

PIL（Python Imaging Library）是一個(gè)免費(fèi)的Python編程語言庫，它增加了對(duì)打開，操作和保存不同圖像文件格式的支持。

其分支Pillow更易于安裝，在所有主要操作系統(tǒng)上運(yùn)行并支持Python 3。這個(gè)庫包含基本的圖像處理功能，包括點(diǎn)操作、使用一組內(nèi)置卷積核濾波及顏色空間轉(zhuǎn)換。

當(dāng)用ImageFilter增強(qiáng)Pillow中的圖像時(shí)，操作是這樣的：

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

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

5、OpenCV-Python

OpenCV是計(jì)算機(jī)視覺應(yīng)用中使用最廣泛的庫之一，OpenCV-Python是OpenCV的python API。

總體來說，因?yàn)楹笈_(tái)由用C / C ++編寫，因此OpenCV-Python不僅速度快，也易于編程和部署。這使其成為執(zhí)行計(jì)算密集型視覺程序的絕佳選擇。

來看一下用例，下圖展示的是OpenCV-Python在Image Blending中使用Pyramids創(chuàng)建一個(gè)名為’Orapple’的新水果的功能。

上手指南：https://github.com/abidrahmank/OpenCV2-Python-Tutorials

6、SimpleCV

SimpleCV也是廣泛被使用的構(gòu)建計(jì)算機(jī)視覺應(yīng)用程序的開源框架。

手握SimpleCV，你可以訪問幾個(gè)高性能的視覺庫，而無需先了解圖像色深（bit depth）、文件格式、色彩空間等。

SimpleCV擁護(hù)者的支持理由有兩個(gè)，一是初學(xué)者也可以借此編寫簡(jiǎn)單的視覺任務(wù)，二是無論是相機(jī)、視頻文件、圖像和視頻流可互相操作。

用戶指南：https://simplecv.readthedocs.io/en/latest/

7、Mahotas

Mahotas包含傳統(tǒng)的圖像處理功能，如濾波和圖像形態(tài)學(xué)處理，以及用于特征計(jì)算，比如興趣點(diǎn)檢測(cè)和局部描述子等。

這個(gè)庫適用于快速開發(fā)，算法是用C++實(shí)現(xiàn)的，并且針對(duì)速度進(jìn)行了調(diào)整。

官方地址：https://mahotas.readthedocs.io/en/latest/

用戶指南：https://mahotas.readthedocs.io/en/latest/index.html

8、 SimpleITK

ITK是一個(gè)開源的跨平臺(tái)系統(tǒng)，提供一整套用于圖像分析的軟件工具。

其中，SimpleITK是一個(gè)建立在ITK之上的簡(jiǎn)化層，促進(jìn)其在簡(jiǎn)化原型、教育和解釋語言中的應(yīng)用。

SimpleITK是一個(gè)圖像分析工具包，內(nèi)含大量組件，支持一般濾波操作、圖像分割和圖形配準(zhǔn)。

SimpleITK本身是用C++編寫的，但也適用于包括Python在內(nèi)的大量編程語言。

下面就是用SimpleITK和Python創(chuàng)建的可視化的CT/MR圖：

官方地址：https://itk.org/

學(xué)習(xí)資料：http://insightsoftwareconsortium.github.io/SimpleITK-Notebooks/

9、GraphicsMagick

GraphicsMagick號(hào)稱圖像處理領(lǐng)域的瑞士軍刀。代碼短小卻提供了一個(gè)魯棒、高效的工具和庫集合，可用來處理圖像的讀取、寫入和操作。

支持超過88種圖像格式，包括重要的DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM和TIFF。

將它用于圖像邊緣提取任務(wù)，效果如下：

官方資料：https://pypi.org/project/pgmagick/

相關(guān)資源：https://github.com/hhatto/pgmagick

10、Pycairo

pyCairo是一個(gè)Python的2D圖形渲染庫，可用于繪制矢量圖形的2D圖形，在調(diào)整大小或變換時(shí)不會(huì)丟失清晰度。

下面這個(gè)用例是用Pycairo繪制線條、基本形狀和徑向梯度。

官方介紹：https://cairographics.org/

相關(guān)資源：https://github.com/pygobject/pycairo

原文：

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

推薦閱讀
誤執(zhí)行了rm -fr /*之后，除了跑路還能怎么辦？！
程序員必備58個(gè)網(wǎng)站匯總
大幅提高生產(chǎn)力：你需要了解的十大Jupyter Lab插件