干货整理！10个Python图像处理工具，入门必看，提效大法-技术圈

【前言】在图像处理领域，一库在手，相当于天下已有。但是今天给大家推荐10个好用的库，快来看看有哪些吧

有一位搞数据科学的小姐姐Parul Pandey，整理了一份实用Python图像处理工具，内含十大经典Python库。

这份资源中的工具可用于图像处理中的常见任务，包括裁剪、翻转、旋转、图像分割、分类和特征提取、图像恢复和图像识别等。可谓干货满满，图像处理提升效率必备。

量子位取其重点，将文章翻译整理如下：

1、scikit Image

scikit-image是一个与numpy数组配合使用的开源Python包，在学术研究、教育和行业领域都可应用。

即使是那些刚接触Python生态系统的人，也会觉得这是一个相当简单直接的库。

通过这个包能完成很多任务，比如图像过滤：

import matplotlib.pyplot as plt
%matplotlib inline
from skimage import data,filters
image=ata.coins()
edges=filters.sobel(image)
plt.imshow(edges,cmap='gray'

使用match_template 函数进行模板匹配：

官方地址：https://scikit-image.org/

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

2、Numpy

Numpy是Python的核心库之一，也能支持数组，图像本质上是包含数据点像素的标准Numpy数组。

因此，通过基本的NumPy操作，可以修改图像的像素值。

也可以使用skimage加载图像并用matplotlib显示。使用方法也和简单，比如需要mask一张图像时：

import numpy as npfrom skimage import dataimport matplotlib.pyplot as plt
%matplotlib inlineimage=data.camera()type(image)numpy.ndarraymask=image<87image[mask]=255plt.imshow(image,cmap='gray')

官方地址：http://www.numpy.org/

3. Scipy

scipy是Python中另一个核心模块，可用于基本的图像操作和处理任务。

特别需要注意的是，子模块scipy.ndimage提供在n维NumPy数组上运行的功能。这个包目前包括线性和非线性滤波器、二元形态、B-spline插值和物体测量等功能。

可以用高斯过滤用Scipy模糊高斯滤波器：

from scipy import misc,ndimage
face=misc.face()blu_face=ndimage.gaussian_filter(face,sigma=3)very_blu=ndimage.gaussian_filter(face,sigma=5)
plt.imshow()

官方资料：

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

4、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，操作和保存不同图像文件格式的支持。

其分支Pillow更易于安装，在所有主要操作系统上运行并支持Python 3。这个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滤波及颜色空间转换。

当用ImageFilter增强Pillow中的图像时，操作是这样的：

from PIL import Image,ImageFilter
im=Image.open('image.jpg')
im.show()
from PIL import ImageEnhance
enh=ImageEnhance.Contrast(im)
enh.enhance(1.8).show("30% more contrast")