Python中的十大免费图像处理工具

本文主要介绍了一些简单易懂最常用的 Python 图像处理库。

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。

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。

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。 

1. import matplotlib.pyplot as plt  
2. %matplotlib inline  
3. from skimage import data,filters  
4. image = data.coins()  
5. # ... or any other NumPy array!  
6. edges = filters.sobel(image)  
7. plt.imshow(edges, cmap='gray') 

模版匹配（使用 match_template 函数）

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。

用法举例：使用 Numpy 来对图像进行脱敏处理

1. import numpy as np  
2. from skimage import data  
3. import matplotlib.pyplot as plt  
4. %matplotlib inline  
5. image = data.camera()  
6. type(image)  
7. numpy.ndarray #Image is a numpy array  
8. mask = image < 87  
9. image[mask]=255  
10. plt.imshow(image, cmap='gray') 

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。

用法举例：使用 SciPy 的高斯滤波器对图像进行模糊处理

1. from scipy import misc,ndimage  
2. face = misc.face()  
3. blurred_face = ndimage.gaussian_filter(face, sigma=3)  
4. very_blurred = ndimage.gaussian_filter(face, sigma=5)  
5. #Results  
6. plt.imshow(<image to be displayed>) 

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。

用法举例：使用 ImageFilter 增强 Pillow 中的图像

1. from PIL import Image, ImageFilter  
2. #Read image  
3. im = Image.open( 'image.jpg' )  
4. #Display image  
5. im.show()  
6. from PIL import ImageEnhance  
7. enh = ImageEnhance.Contrast(im)  
8. enh.enhance(1.8).show("30% more contrast") 

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。

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

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

用法举例

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。

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。

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。

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。

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。

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。

用法举例：图片缩放、边缘提取

图片缩放

边缘提取

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。

用法：Pycairo 可以绘制线条、基本形状和径向渐变

以上就是一些免费的优秀图像处理 Python 库。有些很知名，你可能已经知道或者用过，有些可能对你来说还是新的。那正好现在就上手操作一下，试一试吧！

原文地址：https://mp.weixin.qq.com/s/y-N7-lUuiaMnjmNhXT-TgQ