10种常用的Python图像操作包(上)

最新推荐文章于 2024-07-02 00:50:11 发布

codeory

最新推荐文章于 2024-07-02 00:50:11 发布

阅读量275

点赞数

分类专栏： Python 文章标签： python 开发语言

本文链接：https://blog.csdn.net/Tory2/article/details/132466965

版权

Python 专栏收录该内容

49 篇文章 0 订阅

订阅专栏

一些常用的 Python 库概览，提供了一种简单直观的方式来对图像进行转换。

引言

当今世界充满了数据，而图像是这些数据的重要组成部分。然而，要对其进行任何处理，这些图像需要被处理。图像处理主要是分析和操作数字图像，旨在提高其质量或从中提取一些信息，然后可以利用这些信息。

图像处理中的典型任务包括显示图像、基本操作如裁剪、翻转、旋转等，图像分割、分类和特征提取，图像恢复和图像识别。对于这些图像处理任务，Python 成为了一个合适的选择。这是由于它作为科学编程语言的不断增长的流行性，以及其生态系统中许多先进技术的图像处理工具的免费可用性。

让我们看一些常用于图像处理任务的 Python 库。

1. scikit-image

scikit-image 是一个开源的 Python 包，与 numpy` 数组一起工作。它实现了在研究、教育和工业应用中使用的算法和实用工具。即使对于那些对 Python 生态系统尚不熟悉的人来说，这是一个相对简单的库。这些代码质量很高且经过同行评审，是由活跃的志愿者社区编写的。

资源

它有很好的文档，附带许多示例和实际用例。阅读文档 here。

使用

该包被导入为 skimage，大多数功能都在子模块中。一些 scikit-image 的示例包括：

图像过滤

import matplotlib.pyplot as plt   
%matplotlib inlinefrom skimage import data,filtersimage = data.coins()  
... 或其他任何 NumPy 数组！  
edges = filters.sobel(image)  
plt.imshow(edges, cmap='gray')

使用 match_template 函数进行模板匹配
您可以在 gallery 中找到更多示例。

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像素数据点的标准 Numpy 数组。因此，通过使用基本的 NumPy 操作，如切片、掩码和高级索引，我们可以修改图像的像素值。图像可以使用 skimage 加载，并使用 matplotlib 显示。

资源

有关资源和文档的完整列表可以在 Numpy 的 official documentation page 上找到。

使用

使用 Numpy 对图像进行掩码处理。


import numpy as np  
from skimage import data  
import matplotlib.pyplot as plt   
%matplotlib inlineimage = data.camera()  
type(image)**numpy.ndarray #Image is a numpy array**mask = image < 87  
image[mask]=255  
plt.imshow(image, cmap='gray')

Scipy

scipy 是另一个类似于 Numpy 的 Python 核心科学模块，可用于基本的图像处理和处理任务。特别是子模块 scipy.ndimage` 提供了在 n 维度 NumPy 数组上操作的函数。该包目前包括线性和非线性滤波函数、二进制形态学、B 样条插值和对象测量等。

资源

有关 scipy.ndimage 包提供的函数的完整列表，请参阅文档 here。

使用

使用 SciPy 进行模糊处理，使用 Gaussian filter：

from scipy import misc,ndimageface = 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>)

PIL/ Pillow

PIL（Python Imaging Library）是 Python 编程语言的免费库，可支持打开、操作和保存许多不同的图像文件格式。然而，其发展已经停滞不前，在2009年发布了最后一个版本。幸运的是，有一个名为 Pillow 的活跃开发的 PIL 分支，更易于安装，可以运行在所有主要操作系统上，并支持 Python 3。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滤波以及颜色空间转换等。

资源

该 documentation 包含安装说明和涵盖库的每个模块的示例。

使用

使用 Pillow 对图像进行增强，使用 ImageFilter：

**from** PIL **import** Image**,** ImageFilter  
_#读取图像_  
im = Image.open**(** 'image.jpg' **)**  
_#显示图像_  
im.show**()**from PIL import ImageEnhance  
enh = ImageEnhance.Contrast(im)  
enh.enhance(1.8).show("30% more contrast")