Python中的十大圖像處理工具

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，我們需要對這些圖像進行處理。圖像處理是分析和操縱數字圖像的過程，旨在提高其質量或從中提取一些信息，然後將其用於某些方面。

圖像處理中的常見任務包括顯示圖像，基本操作（如裁剪、翻轉、旋轉等），圖像分割，分類和特徵提取，圖像恢復和圖像識別等。Python之成為圖像處理任務的最佳選擇，是因為這一科學程式語言日益普及，並且其自身免費提供許多最先進的圖像處理工具。

讓我們看一下用於圖像處理任務的一些常用Python庫。

01 scikit Image

scikit-image是一個基於numpy數組的開源Python包。 它實現了用於研究、教育和工業應用的算法和實用程序。 即使是對於那些剛接觸Python的人，它也是一個相當簡單的庫。 此庫代碼質量非常高並已經過同行評審，是由一個活躍的志願者社區編寫的。

使用說明文檔：

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

可使用「skimage」來導入該庫。大多數功能都能在子模塊中找到。 

import matplotlib.pyplot as plt
%matplotlib inline
from skimage import data,filters
image = data.coins()

edges = filters.sobel(image)
plt.imshow(edges, cmap='gray')

gallery上還有更多例子。

https://scikit-image.org/docs/dev/auto_examples/

02 Numpy

Numpy是Python編程的核心庫之一，支持數組結構。 圖像本質上是包含數據點像素的標準Numpy數組。 因此，通過使用基本的NumPy操作——例如切片、脫敏和花式索引，可以修改圖像的像素值。 可以使用skimage加載圖像並使用matplotlib顯示。

使用說明文檔：

http://www.numpy.org/

import numpy as np
from skimage import data
import matplotlib.pyplot as plt
%matplotlib inline
image = data.camera()
type(image)
numpy.ndarray 
mask = image < 87
image[mask]=255
plt.imshow(image, cmap='gray')

03 Scipy

scipy是Python的另一個核心科學模塊，就像Numpy一樣，可用於基本的圖像處理和處理任務。值得一提的是，子模塊scipy.ndimage提供了在n維NumPy數組上運行的函數。 該軟體包目前包括線性和非線性濾波、二進位形態、B樣條插值和對象測量等功能。

使用說明文檔：

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

from scipy import misc,ndimage
face = misc.face()
blurred_face = ndimage.gaussian_filter(face, sigma=3)
very_blurred = ndimage.gaussian_filter(face, sigma=5)

plt.imshow(<image to be displayed>)

04 PIL/ Pillow

PIL（Python Imaging Library）是一個免費的Python程式語言庫，它增加了對打開、處理和保存許多不同圖像文件格式的支持。 然而，它的發展停滯不前，其最後一次更新還是在2009年。幸運的是， PIL有一個正處於積極開發階段的分支Pillow，它非常易於安裝。

Pillow能在所有主要作業系統上運行並支持Python 3。該庫包含基本的圖像處理功能，包括點操作、使用一組內置卷積內核進行過濾以及顏色空間轉換。

使用說明文檔：

https://pillow.readthedocs.io/en/3.1.x/index.html

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")

05 OpenCV-Python

OpenCV（ 開源計算機視覺庫，Open Source Computer Vision Library）是計算機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（因為後臺由用C / C ++編寫的代碼組成），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序的絕佳選擇。

使用說明文檔：

https://github.com/abidrahmank/OpenCV2-Python-Tutorials

06 SimpleCV

SimpleCV也是用於構建計算機視覺應用程式的開源框架。 通過它可以訪問如OpenCV等高性能的計算機視覺庫，而無需首先了解位深度、文件格式或色彩空間等。學習難度遠遠小於OpenCV，並且正如他們的標語所說，「 它使計算機視覺變得簡單 」。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

攝像機、視頻文件、圖像和視頻流都可以交互操作

使用說明文檔：

https://simplecv.readthedocs.io/en/latest/

07 Mahotas

Mahotas是另一個用於Python的計算機視覺和圖像處理庫。 它包含傳統的圖像處理功能（如濾波和形態學操作）以及用於特徵計算的更現代的計算機視覺功能（包括興趣點檢測和局部描述符）。該接口使用Python，適用於快速開發，但算法是用C ++實現的，並且針對速度進行了優化。

Mahotas庫運行很快，它的代碼很簡單，（對其它庫的）依賴性也很小。建議閱讀他們的官方文檔以了解更多內容。

使用說明文檔：

https://mahotas.readthedocs.io/en/latest/install.html

Mahotas庫使用簡單的代碼來完成工作。 對於「 尋找Wally 」的問題，Mahotas完成的得很好，而且代碼量非常小。

08 SimpleITK

ITK（Insight Segmentation and Registration Toolkit）是一個開源的跨平臺系統，為開發人員提供了一整套用於圖像分析的軟體工具。 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圖像分析工具包，支持一般的過濾操作、圖像分割和配準。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。

使用說明文檔：

https://github.com/hhatto/pgmagick

這裡有大量說明了如何使用SimpleITK進行教育和研究活動的Jupyter notebook。notebook中演示了如何使用SimpleITK進行使用Python和R程式語言的交互式圖像分析。

下面的動畫是使用SimpleITK和Python創建的可視化的嚴格CT / MR配準過程。

09 pgmagick

pgmagick是GraphicsMagick庫基於Python的包裝器。GraphicsMagick 圖像處理系統有時被稱為圖像處理的瑞士軍刀。它提供了強大而高效的工具和庫集合，支持超過88種主要格式圖像的讀取、寫入和操作，包括DPX，GIF，JPEG，JPEG-2000，PNG，PDF，PNM和TIFF等重要格式。

使用說明文檔：

https://github.com/hhatto/pgmagick

▲圖片縮放

▲邊緣提取

10 Pycairo

Pycairo是圖形庫cairo的一組python綁定。Cairo是一個用於繪製矢量圖形的2D圖形庫。 矢量圖形很有趣，因為它們在調整大小或進行變換時不會降低清晰度。Pycairo庫可以從Python調用cairo命令。

使用說明文檔：

https://github.com/pygobject/pycairo

以上就是一些免費的優秀圖像處理Python庫。有些很知名，你可能已經知道或者用過，有些可能對你來說還是新的。那正好現在就上手操作一下，試一試吧！

相關報導：

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