Jquery中文网 www.jquerycn.cn
Jquery中文网 >  Python编程  >  Python入门  >  正文 十个Python常用的图像处理工具

十个Python常用的图像处理工具

发布时间:2021-04-06   编辑:www.jquerycn.cn
jquery中文网为您提供十个Python常用的图像处理工具等资源,欢迎您收藏本站,我们将为您提供最新的十个Python常用的图像处理工具资源

当今世界充满了各种数据,而图像是其中高的重要组成部分。然而,若想其有所应用,我们需要对这些图像进行处理。图像处理是分析和操纵数字图像的过程,旨在提高其质量或从中提取一些信息,然后将其用于某些方面。

图像处理中的常见任务包括显示图像,基本操作(如裁剪、翻转、旋转等),图像分割,分类和特征提取,图像恢复和图像识别等。Python之成为图像处理任务的最佳选择,是因为这一科学编程语言日益普及,并且其自身免费提供许多最先进的图像处理工具。

让我们看一下用于图像处理任务的一些常用Python库。

一、scikit Image

scikit-image是一个基于numpy数组的开源Python包。 它实现了用于研究、教育和工业应用的算法和实用程序。 即使是对于那些刚接触Python的人,它也是一个相当简单的库。 此库代码质量非常高并已经过同行评审,是由一个活跃的志愿者社区编写的。

1.1 使用说明文档:

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

1.2 用法举例:图像过滤、模版匹配

可使用“skimage”来导入该库。大多数功能都能在子模块中找到。

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')

dc0d94cd5395318b7c13fd15c88c35d.png

1.3 用法举例:模版匹配(使用match_template函数)

08d22776aaf1499927963ae094673ae.png

gallery上还有更多例子。

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

二、Numpy

Numpy是Python编程的核心库之一,支持数组结构。 图像本质上是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——例如切片、脱敏和花式索引,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。

2.1 使用说明文档:

http://www.numpy.org/

2.2 用法举例:使用Numpy来对图像进行脱敏处理

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')

63f36e8ea1d46f9ab9816456a347574.png

三、Scipy

Scipy是Python的另一个核心科学模块,就像Numpy一样,可用于基本的图像处理和处理任务。值得一提的是,子模块scipy.ndimage提供了在n维NumPy数组上运行的函数。 该软件包目前包括线性和非线性滤波、二进制形态、B样条插值和对象测量等功能。

3.1 使用说明文档:

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

3.2 用法举例:使用SciPy的高斯滤波器对图像进行模糊处理

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>)

dccf7d52a35811cf1be9c3cbb2e69c4.png

四、PIL/ Pillow

PIL(Python Imaging Library)是一个免费的Python编程语言库,它增加了对打开、处理和保存许多不同图像文件格式的支持。 然而,它的发展停滞不前,其最后一次更新还是在2009年。幸运的是, PIL有一个正处于积极开发阶段的分支Pillow,它非常易于安装。

Pillow能在所有主要操作系统上运行并支持Python 3。该库包含基本的图像处理功能,包括点操作、使用一组内置卷积内核进行过滤以及颜色空间转换。

4.1 使用说明文档:

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

4.2 用法举例:使用ImageFilter增强Pillow中的图像

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")

d5d5f177f2e62bf8ac15c6eb3e91259.png

五、OpenCV-Python

OpenCV( 开源计算机视觉库,Open Source Computer Vision Library)是计算机视觉应用中使用最广泛的库之一。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),也易于编码和部署(由于前端的Python包装器)。 这使其成为执行计算密集型计算机视觉程序的绝佳选择。

5.1 使用说明文档:

https://github.com/abidrahmank/OpenCV2-Python-Tutorials

5.2 用法举例:使用Pyramids创建一个名为’Orapple’的新水果的功能

c02ae867b420234ae001d5eb38399d3.png

六、SimpleCV

SimpleCV也是用于构建计算机视觉应用程序的开源框架。 通过它可以访问如OpenCV等高性能的计算机视觉库,而无需首先了解位深度、文件格式或色彩空间等。学习难度远远小于OpenCV,并且正如他们的标语所说,“ 它使计算机视觉变得简单 ”。支持SimpleCV的一些观点是:

即使是初学者也可以编写简单的机器视觉测试

摄像机、视频文件、图像和视频流都可以交互操作

6.1 使用说明文档:

https://simplecv.readthedocs.io/en/latest/

6.2 用法举例

5ea8dd1d161615551b4762716b97a19.png

七、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)以及用于特征计算的更现代的计算机视觉功能(包括兴趣点检测和局部描述符)。该接口使用Python,适用于快速开发,但算法是用C 实现的,并且针对速度进行了优化。

Mahotas库运行很快,它的代码很简单,(对其它库的)依赖性也很小。建议阅读他们的官方文档以了解更多内容。

7.1 使用说明文档:

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

7.2 用法举例

Mahotas库使用简单的代码来完成工作。 对于“ 寻找Wally ”的问题,Mahotas完成的得很好,而且代码量非常小。

aa30bd5d72ac69fbb1e0b7a0fc57dec.png

八、SimpleITK

ITK(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整套用于图像分析的软件工具。 其中, SimpleITK是一个建立在ITK之上的简化层,旨在促进其在快速原型设计、教育以及脚本语言中的使用。

SimpleITK是一个包含大量组件的图像分析工具包,支持一般的过滤操作、图像分割和配准。SimpleITK本身是用C 编写的,但可用于包括Python在内的大量编程语言。

8.1 使用说明文档:

https://github.com/hhatto/pgmagick

这里有大量说明了如何使用SimpleITK进行教育和研究活动的Jupyter notebook。notebook中演示了如何使用SimpleITK进行使用Python和R编程语言的交互式图像分析。

8.2 用法举例

下面的动画是使用SimpleITK和Python创建的可视化的严格CT / MR配准过程。

3e25e40d362f47e027c4c4e3d43e048.png

九、pgmagick

pgmagick是GraphicsMagick库基于Python的包装器。GraphicsMagick 图像处理系统有时被称为图像处理的瑞士军刀。它提供了强大而高效的工具和库集合,支持超过88种主要格式图像的读取、写入和操作,包括DPX,GIF,JPEG,JPEG-2000,PNG,PDF,PNM和TIFF等重要格式。

9.1 使用说明文档:

https://github.com/hhatto/pgmagick

9.2 用法举例:图片缩放、边缘提取

3c4431dfba4a3a92621c46333d4835c.png

                                                                              ▲图片缩放

63b8bbe30c603702dab86fe226342a9.png

                                                      ▲边缘提取

十、Pycairo

Pycairo是图形库cairo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进行变换时不会降低清晰度。Pycairo库可以从Python调用cairo命令。

10.1 使用说明文档:

https://github.com/pygobject/pycairo

10.2 用法举例:Pycairo可以绘制线条、基本形状和径向渐变

ae253519136a4bb33d608b77f629def.png

python学习网,免费的在线学习python平台,欢迎关注!

您可能感兴趣的文章:
python擅长什么
数据分析师为什么要学python
python数据分析用什么软件
python怎么调用图像处理
Python可以做大数据吗
python语言是由哪个人创造的
python开发工程师是做什么的
python图形界面开发用什么
十个Python常用的图像处理工具
Python到底都能干什么

[关闭]