日韩无码专区无码一级三级片|91人人爱网站中日韩无码电影|厨房大战丰满熟妇|AV高清无码在线免费观看|另类AV日韩少妇熟女|中文日本大黄一级黄色片|色情在线视频免费|亚洲成人特黄a片|黄片wwwav色图欧美|欧亚乱色一区二区三区

以下提到的這些 Python 工具在編輯圖像、操作圖像底層數(shù)據(jù)方面都提供了簡單直接的方法。

當(dāng)今的世界充滿了數(shù)據(jù)，而圖像數(shù)據(jù)就是其中很重要的一部分。但只有經(jīng)過處理和分析，提高圖像的質(zhì)量，從中提取出有效地信息，才能利用到這些圖像數(shù)據(jù)。

常見的圖像處理操作包括顯示圖像，基本的圖像操作，如裁剪、翻轉(zhuǎn)、旋轉(zhuǎn)；圖像的分割、分類、特征提?。粓D像恢復(fù)；以及圖像識別等等。Python 作為一種日益風(fēng)靡的科學(xué)編程語言，是這些圖像處理操作的選擇。同時，在 Python 生態(tài)當(dāng)中也有很多可以免費使用的優(yōu)秀的圖像處理工具。

下文將介紹 10 個可以用于圖像處理任務(wù)的 Python 庫，它們在編輯圖像、查看圖像底層數(shù)據(jù)方面都提供了簡單直接的方法。

1、scikit-image

scikit-image 是一個結(jié)合 NumPy 數(shù)組使用的開源 Python 工具，它實現(xiàn)了可用于研究、教育、工業(yè)應(yīng)用的算法和應(yīng)用程序。即使是對于剛剛接觸 Python 生態(tài)圈的新手來說，它也是一個在使用上足夠簡單的庫。同時它的代碼質(zhì)量也很高，因為它是由一個活躍的志愿者社區(qū)開發(fā)的，并且通過了同行評審peer review。

資源

scikit-image 的文檔非常完善，其中包含了豐富的用例。

示例

可以通過導(dǎo)入 skimage 使用，大部分的功能都可以在它的子模塊中找到。

圖像濾波image filtering：

 
 
 
 

  
  
  
  
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')
 
 
 
 

Image filtering in scikit-image

使用 match_template() 方法實現(xiàn)模板匹配template matching：

Template matching in scikit-image

在展示頁面可以看到更多相關(guān)的例子。

2、NumPy

NumPy 提供了對數(shù)組的支持，是 Python 編程的一個核心庫。圖像的本質(zhì)其實也是一個包含像素數(shù)據(jù)點的標(biāo)準(zhǔn) NumPy 數(shù)組，因此可以通過一些基本的 NumPy 操作（例如切片、掩膜mask、花式索引fancy indexing等），就可以從像素級別對圖像進(jìn)行編輯。通過 NumPy 數(shù)組存儲的圖像也可以被 skimage 加載并使用 matplotlib 顯示。

資源

在 NumPy 的官方文檔中提供了完整的代碼文檔和資源列表。

示例

使用 NumPy 對圖像進(jìn)行掩膜mask操作：

 
 
 
 

  
  
  
  
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')
 
 
 
 

NumPy

3、SciPy

像 NumPy 一樣，SciPy 是 Python 的一個核心科學(xué)計算模塊，也可以用于圖像的基本操作和處理。尤其是 SciPy v1.1.0 中的 scipy.ndimage 子模塊，它提供了在 n 維 NumPy 數(shù)組上的運行的函數(shù)。SciPy 目前還提供了線性和非線性濾波linear and non-linear filtering、二值形態(tài)學(xué)binary morphology、B 樣條插值B-spline interpolation、對象測量object measurements等方面的函數(shù)。

資源

在官方文檔中可以查閱到 scipy.ndimage 的完整函數(shù)列表。

示例

使用 SciPy 的高斯濾波對圖像進(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()
 
 
 
 

Using a Gaussian filter in SciPy

4、PIL/Pillow

PIL (Python Imaging Library) 是一個免費 Python 編程庫，它提供了對多種格式圖像文件的打開、編輯、保存的支持。但在 2009 年之后 PIL 就停止發(fā)布新版本了。幸運的是，還有一個 PIL 的積極開發(fā)的分支 Pillow，它的安裝過程比 PIL 更加簡單，支持大部分主流的操作系統(tǒng)，并且還支持 Python 3。Pillow 包含了圖像的基礎(chǔ)處理功能，包括像素點操作、使用內(nèi)置卷積內(nèi)核進(jìn)行濾波、顏色空間轉(zhuǎn)換等等。

資源

Pillow 的官方文檔提供了 Pillow 的安裝說明自己代碼庫中每一個模塊的示例。

示例

使用 Pillow 中的 ImageFilter 模塊實現(xiàn)圖像增強：

 
 
 
 

  
  
  
  
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")
 
 
 
 

Enhancing an image in Pillow using ImageFilter

• 源碼

5、OpenCV-Python

OpenCV（Open Source Computer Vision 庫）是計算機視覺領(lǐng)域最廣泛使用的庫之一，OpenCV-Python 則是 OpenCV 的 Python API。OpenCV-Python 的運行速度很快，這歸功于它使用 C/C++ 編寫的后臺代碼，同時由于它使用了 Python 進(jìn)行封裝，因此調(diào)用和部署的難度也不大。這些優(yōu)點讓 OpenCV-Python 成為了計算密集型計算機視覺應(yīng)用程序的一個不錯的選擇。

資源

入門之前最好先閱讀 OpenCV2-Python-Guide 這份文檔。

示例

使用 OpenCV-Python 中的金字塔融合Pyramid Blending將蘋果和橘子融合到一起：

Image blending using Pyramids in OpenCV-Python

• 源碼

6、SimpleCV

SimpleCV 是一個開源的計算機視覺框架。它支持包括 OpenCV 在內(nèi)的一些高性能計算機視覺庫，同時不需要去了解位深度bit depth、文件格式、色彩空間color space之類的概念，因此 SimpleCV 的學(xué)習(xí)曲線要比 OpenCV 平緩得多，正如它的口號所說，“將計算機視覺變得更簡單”。SimpleCV 的優(yōu)點還有：

• 即使是剛剛接觸計算機視覺的程序員也可以通過 SimpleCV 來實現(xiàn)一些簡易的計算機視覺測試
• 錄像、視頻文件、圖像、視頻流都在支持范圍內(nèi)

資源

官方文檔簡單易懂，同時也附有大量的學(xué)習(xí)用例。

示例

SimpleCV

7、Mahotas

Mahotas 是另一個 Python 圖像處理和計算機視覺庫。在圖像處理方面，它支持濾波和形態(tài)學(xué)相關(guān)的操作；在計算機視覺方面，它也支持特征計算feature computation、興趣點檢測interest point detection、局部描述符local descriptors等功能。Mahotas 的接口使用了 Python 進(jìn)行編寫，因此適合快速開發(fā)，而算法使用 C++ 實現(xiàn)，并針對速度進(jìn)行了優(yōu)化。Mahotas 盡可能做到代碼量少和依賴項少，因此它的運算速度非常快?？梢詤⒖脊俜轿臋n了解更多詳細(xì)信息。

資源

文檔包含了安裝介紹、示例以及一些 Mahotas 的入門教程。

示例

Mahotas 力求使用少量的代碼來實現(xiàn)功能。例如這個 Finding Wally 游戲：

Finding Wally problem in Mahotas

Finding Wally problem in Mahotas

• 源碼

8、SimpleITK

ITK（Insight Segmentation and Registration Toolkit）是一個為開發(fā)者提供普適性圖像分析功能的開源、跨平臺工具套件，SimpleITK 則是基于 ITK 構(gòu)建出來的一個簡化層，旨在促進(jìn) ITK 在快速原型設(shè)計、教育、解釋語言中的應(yīng)用。SimpleITK 作為一個圖像分析工具包，它也帶有大量的組件，可以支持常規(guī)的濾波、圖像分割、圖像配準(zhǔn)registration功能。盡管 SimpleITK 使用 C++ 編寫，但它也支持包括 Python 在內(nèi)的大部分編程語言。

資源

有很多 Jupyter Notebooks 用例可以展示 SimpleITK 在教育和科研領(lǐng)域中的應(yīng)用，通過這些用例可以看到如何使用 Python 和 R 利用 SimpleITK 來實現(xiàn)交互式圖像分析。

示例

使用 Python + SimpleITK 實現(xiàn)的 CT/MR 圖像配準(zhǔn)過程：

SimpleITK animation

• 源碼

9、pgmagick

pgmagick 是使用 Python 封裝的 GraphicsMagick 庫。GraphicsMagick 通常被認(rèn)為是圖像處理界的瑞士軍刀，因為它強大而又高效的工具包支持對多達(dá) 88 種主流格式圖像文件的讀寫操作，包括 DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM、TIFF 等等。

資源

pgmagick 的 GitHub 倉庫中有相關(guān)的安裝說明、依賴列表，以及詳細(xì)的使用指引。

示例

圖像縮放：

Image scaling in pgmagick

• 源碼

邊緣提取：

Edge extraction in pgmagick

• 源碼

10、Pycairo

Cairo 是一個用于繪制矢量圖的二維圖形庫，而 Pycairo 是用于 Cairo 的一組 Python 綁定。矢量圖的優(yōu)點在于做大小縮放的過程中不會丟失圖像的清晰度。使用 Pycairo 可以在 Python 中調(diào)用 Cairo 的相關(guān)命令。

資源

Pycairo 的 GitHub 倉庫提供了關(guān)于安裝和使用的詳細(xì)說明，以及一份簡要介紹 Pycairo 的入門指南。

示例

使用 Pycairo 繪制線段、基本圖形、徑向漸變radial gradients：

Pycairo

• 源碼

總結(jié)

以上就是 Python 中的一些有用的圖像處理庫，無論你有沒有聽說過、有沒有使用過，都值得試用一下并了解它們。

分享名稱：10個Python圖像編輯工具
URL標(biāo)題：http://m.5511xx.com/article/djpiggd.html