干货整理！10个Python图像处理工具，入门必看，提效大法

概述在图像处理领域，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ParulPandey，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

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。

1、scikit Image@H_419_15@

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 inlinefrom skimage import data,filtersimage=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@H_419_15@

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 *** 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 inline image=data.camera() type(image) numpy.ndarray mask=image<87 image[mask]=255 plt.imshow(image,cmap='gray') 

 

官方地址：http://www.numpy.org/

 

3. Scipy@H_419_15@

scipy是Python中另一个核心模块，可用于基本的图像 *** 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,ndimageface=misc.face()blu_face=ndimage.gaussian_filter(face,sigma=3)very_blu=ndimage.gaussian_filter(face,sigma=5)plt.imshow(<image to be displayed>) 

 

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

 

4、PIL/ Pillow@H_419_15@

PIL（Python Imaging library）是一个免费的Python编程语言库，它增加了对打开， *** 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 *** 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 *** 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， *** 作是这样的：

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

 

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

 

5、OpenCV-Python@H_419_15@

OpenCV是计算机视觉应用中使用最广泛的库之一，OpenCV-Python是OpenCV的python API。

总体来说，因为后台由用C / C ++编写，因此OpenCV-Python不仅速度快，也易于编程和部署。这使其成为执行计算密集型视觉程序的绝佳选择。

来看一下用例，下图展示的是OpenCV-Python在Image Blending中使用PyramIDs创建一个名为’Orapple’的新水果的功能。

上手指南：https://github.com/abidrahmank/OpenCV2-Python-Tutorials

 

6、SimpleCV@H_419_15@

SimpleCV也是广泛被使用的构建计算机视觉应用程序的开源框架。

手握SimpleCV，你可以访问几个高性能的视觉库，而无需先了解图像色深（bit depth）、文件格式、色彩空间等。

SimpleCV拥护者的支持理由有两个，一是初学者也可以借此编写简单的视觉任务，二是无论是相机、视频文件、图像和视频流可互相 *** 作。

用户指南：https://simplecv.readthedocs.io/en/latest/

 

7、Mahotas@H_419_15@

Mahotas包含传统的图像处理功能，如滤波和图像形态学处理，以及用于特征计算，比如兴趣点检测和局部描述子等。

这个库适用于快速开发，算法是用C++实现的，并且针对速度进行了调整。

官方地址：https://mahotas.readthedocs.io/en/latest/
用户指南：https://mahotas.readthedocs.io/en/latest/index.html

 

8、 SimpleITK@H_419_15@

ITK是一个开源的跨平台系统，提供一整套用于图像分析的软件工具。

其中，SimpleITK是一个建立在ITK之上的简化层，促进其在简化原型、教育和解释语言中的应用。

SimpleITK是一个图像分析工具包，内含大量组件，支持一般滤波 *** 作、图像分割和图形配准。

SimpleITK本身是用C++编写的，但也适用于包括Python在内的大量编程语言。

下面就是用SimpleITK和Python创建的可视化的CT/MR图：

官方地址：https://itk.org/
学习资料：http://insightsoftwareconsortium.github.io/SimpleITK-Notebooks/

 

9、GraphicsMagick@H_419_15@

GraphicsMagick号称图像处理领域的瑞士军刀。代码短小却提供了一个鲁棒、高效的工具和库集合，可用来处理图像的读取、写入和 *** 作。

支持超过88种图像格式，包括重要的DPX、GIF、JPEG、JPEG-2000、PNG、pdf、PNM和TIFF。

将它用于图像边缘提取任务，效果如下：

官方资料：https://pypi.org/project/pgmagick/
相关资源：https://github.com/hhatto/pgmagick

 

10、Pycairo@H_419_15@

pyCairo是一个Python的2D图形渲染库，可用于绘制矢量图形的2D图形，在调整大小或变换时不会丢失清晰度。

下面这个用例是用Pycairo绘制线条、基本形状和径向梯度。

官方介绍：https://cairographics.org/
相关资源：https://github.com/pygobject/pycairo

总结

以上是内存溢出为你收集整理的干货整理！10个Python图像处理工具，入门必看，提效大法全部内容，希望文章能够帮你解决干货整理！10个Python图像处理工具，入门必看，提效大法所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。