Python中十大免費(fèi)的優(yōu)秀圖像處理工具
大數(shù)據(jù)文摘出品
編譯：張秋玥、小七、蔣寶尚
本文主要介紹了一些簡單易懂最常用的Python圖像處理庫。
當(dāng)今世界充滿了各種數(shù)據(jù)，而圖像是其中高的重要組成部分。然而，若想其有所應(yīng)用，我們需要對這些圖像進(jìn)行處理。圖像處理是分析和操縱數(shù)字圖像的過程，旨在提高其質(zhì)量或從中提取一些信息，然后將其用于某些方面。
圖像處理中的常見任務(wù)包括顯示圖像，基本操作(如裁剪、翻轉(zhuǎn)、旋轉(zhuǎn)等)，圖像分割，分類和特征提取，圖像恢復(fù)和圖像識別等。 Python之成為圖像處理任務(wù)的最佳選擇，是因為這一科學(xué)編程語言日益普及，并且其自身免費(fèi)提供許多最先進(jìn)的圖像處理工具。
讓我們看一下用于圖像處理任務(wù)的一些常用Python庫。
1. scikit Image
scikit-image是一個基于numpy數(shù)組的開源Python包。 它實現(xiàn)了用于研究、教育和工業(yè)應(yīng)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(dāng)簡單的庫。 此庫代碼質(zhì)量非常高并已經(jīng)過同行評審，是由一個活躍的志愿者社區(qū)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(dǎo)入該庫。大多數(shù)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(shù))
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?jǐn)?shù)組結(jié)構(gòu)。 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(jìn)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(xué)模塊，就像Numpy一樣，可用于基本的圖像處理和處理任務(wù)。值得一提的是，子模塊scipy.ndimage提供了在n維NumPy數(shù)組上運(yùn)行的函數(shù)。 該軟件包目前包括線性和非線性濾波、二進(jìn)制形態(tài)、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(jìn)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(fèi)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(fā)展停滯不前，其最后一次更新還是在2009年。幸運(yùn)的是， PIL有一個正處于積極開發(fā)階段的分支Pillow，它非常易于安裝。Pillow能在所有主要操作系統(tǒng)上運(yùn)行并支持Python 3。該庫包含基本的圖像處理功能，包括點(diǎn)操作、使用一組內(nèi)置卷積內(nèi)核進(jìn)行過濾以及顏色空間轉(zhuǎn)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(qiáng)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(jī)視覺庫，Open Source Computer Vision Library)是計算機(jī)視覺應(yīng)用中使用最廣泛的庫之一。OpenCV-Python是OpenCV的python API。 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(zhí)行計算密集型計算機(jī)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(chuàng)建一個名為'Orapple'的新水果的功能
6. SimpleCV
SimpleCV也是用于構(gòu)建計算機(jī)視覺應(yīng)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(jī)視覺庫，而無需首先了解位深度、文件格式或色彩空間等。學(xué)習(xí)難度遠(yuǎn)遠(yuǎn)小于OpenCV，并且正如他們的標(biāo)語所說，“ 它使計算機(jī)視覺變得簡單 ”。支持SimpleCV的一些觀點(diǎn)是：
即使是初學(xué)者也可以編寫簡單的機(jī)器視覺測試
攝像機(jī)、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(jī)視覺和圖像處理庫。 它包含傳統(tǒng)的圖像處理功能(如濾波和形態(tài)學(xué)操作)以及用于特征計算的更現(xiàn)代的計算機(jī)視覺功能(包括興趣點(diǎn)檢測和局部描述符)。 該接口使用Python，適用于快速開發(fā)，但算法是用C ++實現(xiàn)的，并且針對速度進(jìn)行了優(yōu)化。Mahotas庫運(yùn)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(nèi)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(tǒng)，為開發(fā)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(jìn)其在快速原型設(shè)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(zhǔn)。 SimpleITK本身是用C++編寫的，但可用于包括Python在內(nèi)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(jìn)行教育和研究活動的Jupyter notebook。notebook中演示了如何使用SimpleITK進(jìn)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(chuàng)建的可視化的嚴(yán)格CT / MR配準(zhǔn)過程。
9. pgmagick
pgmagick是GraphicsMagick庫基于Python的包裝器。GraphicsMagick 圖像處理系統(tǒng)有時被稱為圖像處理的瑞士軍刀。它提供了強(qiáng)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(diào)整大小或進(jìn)行變換時不會降低清晰度。Pycairo庫可以從Python調(diào)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
以上就是一些免費(fèi)的優(yōu)秀圖像處理Python庫。有些很知名，你可能已經(jīng)知道或者用過，有些可能對你來說還是新的。那正好現(xiàn)在就上手操作一下，試一試吧!
相關(guān)報道：
https://towardsdatascience.com/image-manipulation-tools-for-python-6eb0908ed61f
【本文是51CTO專欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)文章，微信公眾號“大數(shù)據(jù)文摘（ id: BigDataDigest）”】
