Python中圖像處理工具有哪些

這篇文章主要為大家展示了“Python中圖像處理工具有哪些”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“Python中圖像處理工具有哪些”這篇文章吧。

1. scikit Image

scikit-image是一個基于numpy數組的開源Python包。 它實現了用于研究、教育和工業應用的算法和實用程序。 即使是對于那些剛接觸Python的人，它也是一個相當簡單的庫。 此庫代碼質量非常高并已經過同行評審，是由一個活躍的志愿者社區編寫的。

使用說明文檔：https://scikit-image.org/docs/stable/user_guide.html

用法舉例：圖像過濾、模版匹配

可使用“skimage”來導入該庫。大多數功能都能在子模塊中找到。

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')

模版匹配(使用match_template函數)

gallery上還有更多例子。

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

2. Numpy

Numpy是Python編程的核心庫之一，支持數組結構。 圖像本質上是包含數據點像素的標準Numpy數組。 因此，通過使用基本的NumPy操作——例如切片、脫敏和花式索引，可以修改圖像的像素值。 可以使用skimage加載圖像并使用matplotlib顯示。

使用說明文檔：http://www.numpy.org/

用法舉例：使用Numpy來對圖像進行脫敏處理

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')

3. Scipy

scipy是Python的另一個核心科學模塊，就像Numpy一樣，可用于基本的圖像處理和處理任務。值得一提的是，子模塊scipy.ndimage提供了在n維NumPy數組上運行的函數。 該軟件包目前包括線性和非線性濾波、二進制形態、B樣條插值和對象測量等功能。

使用說明文檔：

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

用法舉例：使用SciPy的高斯濾波器對圖像進行模糊處理

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>)

4. PIL/ Pillow

PIL (Python Imaging Library)是一個免費的Python編程語言庫，它增加了對打開、處理和保存許多不同圖像文件格式的支持。 然而，它的發展停滯不前，其最后一次更新還是在2009年。幸運的是， PIL有一個正處于積極開發階段的分支Pillow，它非常易于安裝。Pillow能在所有主要操作系統上運行并支持Python 3。該庫包含基本的圖像處理功能，包括點操作、使用一組內置卷積內核進行過濾以及顏色空間轉換。

使用說明文檔：https://pillow.readthedocs.io/en/3.1.x/index.html

用法舉例：使用ImageFilter增強Pillow中的圖像

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")

5. OpenCV-Python

OpenCV( 開源計算機視覺庫，Open Source Computer Vision Library)是計算機視覺應用中使用最廣泛的庫之一。OpenCV-Python是OpenCV的python API。 OpenCV-Python不僅速度快(因為后臺由用C / C ++編寫的代碼組成)，也易于編碼和部署(由于前端的Python包裝器)。 這使其成為執行計算密集型計算機視覺程序的絕佳選擇。

使用說明文檔：https://github.com/abidrahmank/OpenCV2-Python-Tutorials

用法舉例：使用Pyramids創建一個名為'Orapple'的新水果的功能

6. SimpleCV

SimpleCV也是用于構建計算機視覺應用程序的開源框架。 通過它可以訪問如OpenCV等高性能的計算機視覺庫，而無需首先了解位深度、文件格式或色彩空間等。學習難度遠遠小于OpenCV，并且正如他們的標語所說，“ 它使計算機視覺變得簡單 ”。支持SimpleCV的一些觀點是：

即使是初學者也可以編寫簡單的機器視覺測試

攝像機、視頻文件、圖像和視頻流都可以交互操作

使用說明文檔：https://simplecv.readthedocs.io/en/latest/

用法舉例

7. Mahotas

Mahotas是另一個用于Python的計算機視覺和圖像處理庫。 它包含傳統的圖像處理功能(如濾波和形態學操作)以及用于特征計算的更現代的計算機視覺功能(包括興趣點檢測和局部描述符)。 該接口使用Python，適用于快速開發，但算法是用C ++實現的，并且針對速度進行了優化。Mahotas庫運行很快，它的代碼很簡單，(對其它庫的)依賴性也很小。 建議閱讀他們的官方文檔以了解更多內容。

使用說明文檔：

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

用法舉例

Mahotas庫使用簡單的代碼來完成工作。 對于“ 尋找Wally ”的問題，Mahotas完成的得很好，而且代碼量非常小。

8. SimpleITK

ITK(Insight Segmentation and Registration Toolkit)是一個開源的跨平臺系統，為開發人員提供了一整套用于圖像分析的軟件工具。 其中， SimpleITK是一個建立在ITK之上的簡化層，旨在促進其在快速原型設計、教育以及腳本語言中的使用。SimpleITK是一個包含大量組件的圖像分析工具包，支持一般的過濾操作、圖像分割和配準。 SimpleITK本身是用C++編寫的，但可用于包括Python在內的大量編程語言。

使用說明文檔：https://github.com/hhatto/pgmagick

這里有大量說明了如何使用SimpleITK進行教育和研究活動的Jupyter notebook。notebook中演示了如何使用SimpleITK進行使用Python和R編程語言的交互式圖像分析。

用法舉例：

下面的動畫是使用SimpleITK和Python創建的可視化的嚴格CT / MR配準過程。

9. pgmagick

pgmagick是GraphicsMagick庫基于Python的包裝器。GraphicsMagick 圖像處理系統有時被稱為圖像處理的瑞士軍刀。它提供了強大而高效的工具和庫集合，支持超過88種主要格式圖像的讀取、寫入和操作，包括DPX，GIF，JPEG，JPEG-2000，PNG，PDF，PNM和TIFF等重要格式。

使用說明文檔：https://github.com/hhatto/pgmagick

用法舉例：圖片縮放、邊緣提取

圖片縮放

邊緣提取

10. Pycairo

Pycairo是圖形庫cairo的一組python綁定。 Cairo是一個用于繪制矢量圖形的2D圖形庫。 矢量圖形很有趣，因為它們在調整大小或進行變換時不會降低清晰度。Pycairo庫可以從Python調用cairo命令。

使用說明文檔：https://github.com/pygobject/pycairo

用法：Pycairo可以繪制線條、基本形狀和徑向漸變

以上是“Python中圖像處理工具有哪些”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！