Python中的十大影像處理工具

當今世界充滿了各種數據，而圖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位影像的過程，旨在提高其品質或從中提取一些信息，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，影像復原和影像辨識等。 Python 之成為影像處理任務的最佳選擇，是因為這種科學程式語言日益普及，並且本身免費提供許多最先進的影像處理工具。

讓我們來看看用於影像處理任務的一些常用 Python 函式庫。

1、scikit Image

scikit-image 是一個基於 numpy 陣列的開源 Python 套件。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函式庫。此庫程式碼品質非常高並且已經過同行評審，是由一個活躍的志工社群編寫的。

用法範例：影像過濾、模版匹配。

可使用「skimage」來匯入該函式庫。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')

模式版匹配（使用match_template 函數）

2、Numpy

# Numpy 是Python 程式設計的核心庫之一，支援數組結構。影像本質上是包含資料點像素的標準 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，可以修改影像的像素值。可以使用 skimage 載入圖像並使用 matplotlib 顯示。

用法範例：使用Numpy 來對影像進行減敏處理：

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 陣列上運行的函數。該軟體包目前包括線性和非線性濾波、二進位形態、B 樣條插值和物件測量等功能。

用法範例：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>)

4、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、處理和保存許多不同影像檔案格式的支援。然而，它的發展停滯不前，其最後一次更新仍在 2009 年。幸運的是， PIL 有一個正處於積極開發階段的分支 Pillow，它非常容易安裝。 Pillow 能在所有主要作業系統上運作並支援 Python 3。該庫包含基本的影像處理功能，包括點操作、使用一組內建卷積內核進行過濾以及色彩空間轉換。

用法範例：使用ImageFilter 增強Pillow 中的映像：

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（開源電腦視覺庫，Open Source Computer Vision Library）是電腦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（因為後台由用 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。

用法範例：使用 Pyramids 建立一個名為'Orapple'的新水果的功能

6、SimpleCV

SimpleCV 也是用於建立電腦視覺應用程式的開源框架。透過它可以存取如 OpenCV 等高效能的電腦視覺庫，而無需先了解位元深度、檔案格式或色彩空間等。學習難度遠遠小於 OpenCV，正如他們的標語所說，「 它使電腦視覺變得簡單 」。支持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
  
•  攝影機、視訊檔案、影像和視訊串流都可以互動操作
  

用法舉例

#7、Mahotas

Mahotas 是另一個用於Python 的電腦視覺和影像處理庫。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電腦視覺功能（包括興趣點檢測和局部描述符）。此介面使用 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 函式庫運作很快，它的程式碼很簡單，（對其它函式庫的）依賴性也很小。建議閱讀他們的官方文件以了解更多內容。

用法範例

Mahotas 函式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。

8、SimpleITK

ITK (Insight Segmentation and Registration Toolkit) 是一個開源的跨平台系統，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、教育以及腳本語言中的使用。 SimpleITK 是一個包含大量組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。

這裡有大量說明如何使用 SimpleITK 進行教育和研究活動的 Jupyter notebook。 notebook 中示範如何使用 SimpleITK 進行使用 Python 和 R 程式語言的互動式影像分析。

用法範例

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。

9、pgmagick

pgmagick 是 GraphicsMagick 函式庫基於 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。

用法範例：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 函式庫可以從 Python 呼叫 cairo 指令。

用法：Pycairo 可以繪製線條、基本形狀和徑向漸層。

以上就是一些免費的優秀映像處理 Python 函式庫。有些很知名，你可能已經知道或用過，有些可能對你來說還是新的。那就剛好現在就上手操作一下，試試看！

以上是Python中的十大影像處理工具的詳細內容。更多資訊請關注PHP中文網其他相關文章！