十個Python常用的影像處理工具

當今世界充滿了各種資料，而影像是其中高的重要組成部分。然而，若想其有所應用，我們需要對這些影像進行處理。影像處理是分析和操縱數字影像的過程，旨在提高其質量或從中提取一些資訊，然後將其用於某些方面。

影像處理中的常見任務包括顯示影像，基本操作（如裁剪、翻轉、旋轉等），影像分割，分類和特徵提取，影像恢復和影像識別等。Python之成為影像處理任務的最佳選擇，是因為這一科學程式語言日益普及，並且其自身免費提供許多最先進的影像處理工具。

讓我們看一下用於影像處理任務的一些常用Python庫。

一、scikit Image

scikit-image是一個基於numpy陣列的開源Python包。它實現了用於研究、教育和工業應用的演算法和實用程式。即使是對於那些剛接觸Python的人，它也是一個相當簡單的庫。此庫程式碼質量非常高並已經過同行評審，是由一個活躍的志願者社群編寫的。

1.1 使用說明文件：

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

1.2 用法舉例：影像過濾、模版匹配

可使用“skimage”來匯入該庫。大多數功能都能在子模組中找到。

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')

1.3 用法舉例：模版匹配（使用match_template函式）

gallery上還有更多例子。

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

二、Numpy

Numpy是Python程式設計的核心庫之一，支援陣列結構。影像本質上是包含資料點畫素的標準Numpy陣列。因此，透過使用基本的NumPy操作——例如切片、脫敏和花式索引，可以修改影像的畫素值。可以使用skimage載入影像並使用matplotlib顯示。

2.1 使用說明文件：

2.2 用法舉例：使用Numpy來對影像進行脫敏處理

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')

三、Scipy

Scipy是Python的另一個核心科學模組，就像Numpy一樣，可用於基本的影像處理和處理任務。值得一提的是，子模組scipy.ndimage提供了在n維NumPy陣列上執行的函式。該軟體包目前包括線性和非線性濾波、二進位制形態、B樣條插值和物件測量等功能。

3.1 使用說明文件：

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

3.2 用法舉例：使用SciPy的高斯濾波器對影像進行模糊處理

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>)

四、PIL/ Pillow

PIL（Python Imaging Library）是一個免費的Python程式語言庫，它增加了對開啟、處理和儲存許多不同影像檔案格式的支援。然而，它的發展停滯不前，其最後一次更新還是在2009年。幸運的是， PIL有一個正處於積極開發階段的分支Pillow，它非常易於安裝。

Pillow能在所有主要作業系統上執行並支援Python 3。該庫包含基本的影像處理功能，包括點操作、使用一組內建卷積核心進行過濾以及顏色空間轉換。

4.1 使用說明文件：

4.2 用法舉例：使用ImageFilter增強Pillow中的影像

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")

五、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（因為後臺由用C / C ++編寫的程式碼組成），也易於編碼和部署（由於前端的Python包裝器）。這使其成為執行計算密集型計算機視覺程式的絕佳選擇。

5.1 使用說明文件：

5.2 用法舉例：使用Pyramids建立一個名為’Orapple’的新水果的功能

六、SimpleCV

SimpleCV也是用於構建計算機視覺應用程式的開源框架。透過它可以訪問如OpenCV等高效能的計算機視覺庫，而無需首先了解位深度、檔案格式或色彩空間等。學習難度遠遠小於OpenCV，並且正如他們的標語所說，“ 它使計算機視覺變得簡單 ”。支援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、影片檔案、影像和影片流都可以互動操作

6.1 使用說明文件：

6.2 用法舉例

七、Mahotas

Mahotas是另一個用於Python的計算機視覺和影像處理庫。它包含傳統的影像處理功能（如濾波和形態學操作）以及用於特徵計算的更現代的計算機視覺功能（包括興趣點檢測和區域性描述符）。該介面使用Python，適用於快速開發，但演算法是用C ++實現的，並且針對速度進行了最佳化。

Mahotas庫執行很快，它的程式碼很簡單，（對其它庫的）依賴性也很小。建議閱讀他們的官方文件以瞭解更多內容。

7.1 使用說明文件：

7.2 用法舉例

Mahotas庫使用簡單的程式碼來完成工作。對於“ 尋找Wally ”的問題，Mahotas完成的得很好，而且程式碼量非常小。

八、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於影像分析的軟體工具。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、教育以及指令碼語言中的使用。

SimpleITK是一個包含大量元件的影像分析工具包，支援一般的過濾操作、影像分割和配準。SimpleITK本身是用C++編寫的，但可用於包括Python在內的大量程式語言。

8.1 使用說明文件：

這裡有大量說明了如何使用SimpleITK進行教育和研究活動的Jupyter notebook。notebook中演示瞭如何使用SimpleITK進行使用Python和R程式語言的互動式影像分析。

8.2 用法舉例

下面的動畫是使用SimpleITK和Python建立的視覺化的嚴格CT / MR配準過程。

九、pgmagick

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

9.1 使用說明文件：

9.2 用法舉例：圖片縮放、邊緣提取

▲圖片縮放

▲邊緣提取

十、Pycairo

Pycairo是圖形庫cairo的一組python繫結。Cairo是一個用於繪製向量圖形的2D圖形庫。向量圖形很有趣，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呼叫cairo命令。

10.1 使用說明文件：

10.2 用法舉例：Pycairo可以繪製線條、基本形狀和徑向漸變

python學習網，免費的線上學習，歡迎關注！

十個Python常用的影像處理工具

相關文章