10个常用的可以进行图像处理的Python库的介绍,可能有些你还没用过,可以试试看!
介绍
我们这个世界充满了数据,而图像是这些数据的重要组成部分。然而,要想使用这些图像,需要对它们进行处理。因此,图像处理是分析和处理数字图像的必要的过程,其主要目的是提高图像质量或从中提取一些信息,然后加以利用。
图像处理中常见的任务包括图像显示、裁剪、翻转、旋转等基本操作、图像分割、分类和特征提取、图像恢复和图像识别。Python成为这种图像处理任务的合适选择。这是因为它作为一种科学编程语言越来越受欢迎,而且在其生态系统中有许多最先进的图像处理工具可以免费使用。
我们来看一些用于图像处理任务的常用Python库。
1.scikit Image
scikit-image是一个开源的Python包,可以使用numpy
数组。它实现了用于研究、教育和工业应用的算法和实用程序。它是一个相当简单和直接的库,即使对于Python生态系统的新手也是如此。这些代码是由活跃的志愿者社区编写的,具有高质量和同行评审的特性。
资源
它已经通过大量的例子和实际的用例很好地文档化了。阅读文档:(http://scikit-/docs/stable/user_guide.html)。
使用
包被导入为skimage
,大多数函数都在子模块中可以找到。skimage的一些例子包括:
图像滤波
使用match template函数进行模板匹配
2.Numpy
Numpy是Python编程中的核心库之一,提供对数组的支持。图像本质上是一个包含数据点像素的标准Numpy数组。因此,通过使用基本的NumPy操作,如切片、屏蔽和花式索引,我们可以修改图像的像素值。可以使用skimage加载图像,并使用matplotlib显示图像。
资源
完整的资源和文档列表可以在Numpy的官方文档页面上找到。
使用
使用Numpy来对图像做掩模。
3.Scipy
scipy是Python的另一个核心科学模块,类似于Numpy,可用于基本的图像处理和处理任务。特别是子模块scipy.ndimage
。提供在n维NumPy数组上操作的函数。该软件包目前包括线性和非线性滤波、二元形态学、b样条插值和物体测量功能。
资源
获取由scipy.ndimage
提供的完整函数列表,请参考文档(/doc/scipy/reference/tutorial/ndimage.html#correlation-and-convolution)。
使用
用SciPy,使用高斯滤波器来做图像的模糊:
4.PIL/Pillow
PIL(Python Imaging Library)是Python编程语言的一个免费库,它支持打开、操作和保存许多不同的图像文件格式。然而,随着最后一次发布,它的开发停滞不前。幸运的是,有Pillow,这是PIL的一个积极开发的分支,更容易安装,支持所有主要的操作系统,并支持Python3。该库包含基本的图像处理功能,包括点操作、使用一组内置卷积核进行过滤和颜色空间转换。
资源
文档:https://pillow.readthedocs.io/en/3.1.x/index.html提供了安装说明以及库中每个模块的示例。
使用
在Pillow中使用ImageFilter增强图像:
5.OpenCV-python
OpenCV(开放源码计算机视觉库)是最广泛使用的计算机视觉应用程序库之一。*OpenCV- python *是OpenCV的python API。OpenCV-Python不仅速度快,因为后台由用C/ c++编写的代码组成,而且易于编码和部署(由于前台有Python包装器)。这使得它成为执行计算密集型计算机视觉程序的一个很好的选择。
资源
OpenCV2-Python-Guide:/abidrahmank/OpenCV2-Python-Tutorials让使用OpenCV-Python变得很容易。
使用
下面的例子展示了OpenCV-Python在Image blend中使用金字塔创建一个名为'Orapple'的新水果。
6.SimpleCV
SimpleCV也是一个用于构建计算机视觉应用程序的开源框架。有了它,你可以访问几个高性能的计算机视觉库,如OpenCV,而不必首先了解位深度、文件格式、颜色空间等。学习曲线大大小于OpenCV,正如他们的口号所说:让计算机视觉变得容易”。一些拥护SimpleCV的观点是:
即使是初学者也可以编写简单的机器视觉测试
摄像头、视频文件、图像和视频流都是可互操作的
资源
官方的文档非常容易理解,并且有大量的例子和用例可以遵循。
使用
7.Mahotas
Mahotas是另一个用于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,如滤波和形态学操作,以及更现代的计算机视觉功能,用于特征计算,包括兴趣点检测和局部描述符。该接口是用Python编写的,适合于快速开发,但是算法是用c++实现的,并且针对速度进行了调优。Mahotas库速度快,代码简洁,甚至具有最小的依赖性。阅读他们的官方论文以获得更多的了解。
资源
官方文档包含安装说明、示例甚至一些教程,可以帮助你轻松地开始使用。
使用
Mahotas库依赖于使用简单的代码来完成任务。对于“查找Wally''的问题,Mahotas做得很好,而且只需要最少的代码。这是源代码。
8.SimpleITK
ITK或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套广泛的图像分析软件工具。其中,SimpleITK是构建在ITK之上的一个简化层,旨在促进其在快速原型设计、教育和解释语言中的使用。SimpleITK是一个图像分析工具包,包含大量支持一般过滤操作、图像分割和注册的组件。SimpleITK本身是用c++编写的,但是可以用于包括Python在内的许多编程语言。
资源
提供了大量Jupyter Notebooks,用来说明SimpleITK用于教育和研究活动。这些Notebooks演示了使用SimpleITK使用Python和R编程语言进行交互式图像分析。
使用
下面的动画是用SimpleITK和Python创建的准确的CT/MR登记过程的可视化。阅读源代码在此处:/insightsoftwareassocitium/simpleitk-notebooks/blob/master/ties/intro_anim.py。
9.pgmagick
pgmagick是GraphicsMagick库的一个基于python的包装器。图像处理系统有时被称为图像处理的瑞士军刀。它提供了一个健壮而高效的工具和库集合,支持以88种主要格式(包括重要格式,如DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM和TIFF)读取、写入和操作图像。
资源
有一个专门用于PgMagick的Github Repository,其中有安装和需求说明。还有一个关于这个主题的详细user guid。
使用
使用pgmagick可以执行的图像处理活动很少:
图像缩放:
边缘提取:
10.Pycairo
Pycairo是cairo图形库的一组python绑定。Cairo是一个用于绘制矢量图形的2D图形库。矢量图形很有趣,因为它们在调整大小或转换时不会失去清晰度。Pycairo是cairo的一组绑定,可用于从Python调用cairo命令。
资源
Pycairo GitHub repository是一个很好的资源,有关于安装和使用的详细说明。还有一个入门指南,其中有一个关于Pycairo的简短教程。
使用
使用Pycairo绘制线条、基本形状和径向梯度。
总结
这些是Python中一些有用且免费的图像处理库。有些是众所周知的,有些可能对你来说是新的。可以试着多了解一下。
【资料分享】下方为一些学习资料教程,感兴趣的可以点击学习:
快速学习python基础
Python的封装
Python网络编程
python高级用法
python 人工智能-神经网络
django项目案例精讲
云计算 大数据和人工智能
快速学习爬虫基础