10个Python图像处理工具,非常全了!

共 5000字,需浏览 10分钟

 ·

2021-03-15 10:27

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

作者:Parul Pandey

编译:ronghuaiyang

导读

10个常用的可以进行图像处理的Python库的介绍,可能有些你还没用过,可以试试看!



介绍

我们这个世界充满了数据,而图像是这些数据的重要组成部分。然而,要想使用这些图像,需要对它们进行处理。因此,图像处理是分析和处理数字图像的必要的过程,其主要目的是提高图像质量或从中提取一些信息,然后加以利用。

图像处理中常见的任务包括图像显示、裁剪、翻转、旋转等基本操作、图像分割、分类和特征提取、图像恢复和图像识别。Python成为这种图像处理任务的合适选择。这是因为它作为一种科学编程语言越来越受欢迎,而且在其生态系统中有许多最先进的图像处理工具可以免费使用。

我们来看一些用于图像处理任务的常用Python库。

1.scikit  Image

scikit-image是一个开源的Python包,可以使用 numpy 数组。它实现了用于研究、教育和工业应用的算法和实用程序。它是一个相当简单和直接的库,即使对于Python生态系统的新手也是如此。这些代码是由活跃的志愿者社区编写的,具有高质量和同行评审的特性。

资源

它已经通过大量的例子和实际的用例很好地文档化了。阅读文档:(http://scikit-image.org/docs/stable/user_guide.html)。

使用

包被导入为 skimage,大多数函数都在子模块中可以找到。skimage的一些例子包括:

  • 图像滤波

  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')

  • 使用match template函数进行模板匹配

2.Numpy

Numpy是Python编程中的核心库之一,提供对数组的支持。图像本质上是一个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,如切片、屏蔽和花式索引,我们可以修改图像的像素值。可以使用skimage加载图像,并使用matplotlib显示图像。

资源

完整的资源和文档列表可以在Numpy的官方文档页面上找到。

使用

使用Numpy来对图像做掩模。

  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')


3.Scipy

scipy是Python的另一个核心科学模块,类似于Numpy,可用于基本的图像处理和处理任务。特别是子模块 scipy.ndimage。提供在n维NumPy数组上操作的函数。该软件包目前包括线性和非线性滤波、二元形态学、b样条插值和物体测量功能。

资源

获取由 scipy.ndimage 提供的完整函数列表,请参考文档(https://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.html#correlation-and-convolution)。

使用

用SciPy,使用高斯滤波器来做图像的模糊:

  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>)


4.PIL/Pillow

PIL(Python Imaging Library)是Python编程语言的一个免费库,它支持打开、操作和保存许多不同的图像文件格式。然而,随着2009年最后一次发布,它的开发停滞不前。幸运的是,有Pillow,这是PIL的一个积极开发的分支,更容易安装,支持所有主要的操作系统,并支持Python3。该库包含基本的图像处理功能,包括点操作、使用一组内置卷积核进行过滤和颜色空间转换。

资源

文档:https://pillow.readthedocs.io/en/3.1.x/index.html提供了安装说明以及库中每个模块的示例。

使用

在Pillow中使用ImageFilter增强图像:

  1. from PIL importImage, ImageFilter

  2. #Read image

  3. im = Image.open( 'image.jpg' )

  4. #Display image

  5. im.show()

  6. from PIL importImageEnhance

  7. enh = ImageEnhance.Contrast(im)

  8. enh.enhance(1.8).show("30% more contrast")

5.OpenCV-python

OpenCV(开放源码计算机视觉库)是最广泛使用的计算机视觉应用程序库之一 *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,而且易于编码和部署(由于前台有Python包装器)。这使得它成为执行计算密集型计算机视觉程序的一个很好的选择。

资源

OpenCV2-Python-Guide:https://github.com/abidrahmank/OpenCV2-Python-Tutorials让使用OpenCV-Python变得很容易。

使用

下面的例子展示了OpenCV-Python在Image blend中使用金字塔创建一个名为'Orapple'的新水果。


6.SimpleCV

SimpleCV也是一个用于构建计算机视觉应用程序的开源框架。有了它,你可以访问几个高性能的计算机视觉库,如OpenCV,而不必首先了解位深度、文件格式、颜色空间等。学习曲线大大小于OpenCV,正如他们的口号所说:让计算机视觉变得容易”。一些拥护SimpleCV的观点是:

  • 即使是初学者也可以编写简单的机器视觉测试

  • 摄像头、视频文件、图像和视频流都是可互操作的

资源

官方的文档非常容易理解,并且有大量的例子和用例可以遵循。

使用


7.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,以及更现代的计算机视觉功能,用于特征计算,包括兴趣点检测和局部描述符。该接口是用Python编写的,适合于快速开发,但是算法是用c++实现的,并且针对速度进行了调优。Mahotas库速度快,代码简洁,甚至具有最小的依赖性。阅读他们的官方论文以获得更多的了解。

资源

官方文档包含安装说明、示例甚至一些教程,可以帮助你轻松地开始使用。

使用

Mahotas库依赖于使用简单的代码来完成任务。对于“查找Wally''的问题,Mahotas做得很好,而且只需要最少的代码。这是源代码。

8.SimpleITK

ITK或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套广泛的图像分析软件工具。其中,SimpleITK是构建在ITK之上的一个简化层,旨在促进其在快速原型设计、教育和解释语言中的使用。SimpleITK是一个图像分析工具包,包含大量支持一般过滤操作、图像分割和注册的组件。SimpleITK本身是用c++编写的,但是可以用于包括Python在内的许多编程语言。

资源

提供了大量Jupyter Notebooks,用来说明SimpleITK用于教育和研究活动。这些Notebooks演示了使用SimpleITK使用Python和R编程语言进行交互式图像分析。

使用

下面的动画是用SimpleITK和Python创建的准确的CT/MR登记过程的可视化。阅读源代码在此处:https://github.com/insightsoftwareassocitium/simpleitk-notebooks/blob/master/ties/intro_anim.py。

9.pgmagick

pgmagick是GraphicsMagick库的一个基于python的包装器。图像处理系统有时被称为图像处理的瑞士军刀。它提供了一个健壮而高效的工具和库集合,支持以88种主要格式(包括重要格式,如DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM和TIFF)读取、写入和操作图像。

资源

有一个专门用于PgMagick的Github Repository,其中有安装和需求说明。还有一个关于这个主题的详细user guid。

使用

使用pgmagick可以执行的图像处理活动很少:

图像缩放:

边缘提取:

10.Pycairo

Pycairo是cairo图形库的一组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转换时不会失去清晰度。Pycairo是cairo的一组绑定,可用于从Python调用cairo命令。

资源

Pycairo GitHub repository是一个很好的资源,有关于安装和使用的详细说明。还有一个入门指南,其中有一个关于Pycairo的简短教程。

使用

使用Pycairo绘制线条、基本形状和径向梯度。

总结

这些是Python中一些有用且免费的图像处理库。有些是众所周知的,有些可能对你来说是新的。可以试着多了解一下。

下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目31讲
小白学视觉公众号后台回复:Python视觉实战项目31讲即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

END

英文原文:https://towardsdatascience.com/image-manipulation-tools-for-python-6eb0908ed61f

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


喜欢的话,请给我个好看吧

浏览 28
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报