Python中的十大图像处理工具
当今世界充满了各种数据,而图像是其中高的重要组成部分。然而,若想其有所应用,我们需要对这些图像进行处理。图像处理是分析和操纵数字图像的过程,旨在提高其质量或从中提取一些信息,然后将其用于某些方面。
图像处理中的常见任务包括显示图像,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等。Python 之成为图像处理任务的最佳选择,是因为这一科学编程语言日益普及,并且其自身免费提供许多最先进的图像处理工具。
让我们看一下用于图像处理任务的一些常用 Python 库。
1、scikit Image
scikit-image 是一个基于 numpy 数组的开源 Python 包。 它实现了用于研究、教育和工业应用的算法和实用程序。 即使是对于那些刚接触 Python 的人,它也是一个相当简单的库。 此库代码质量非常高并已经过同行评审,是由一个活跃的志愿者社区编写的。
用法举例:图像过滤、模版匹配。
可使用“skimage”来导入该库。大多数功能都能在子模块中找到。
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')
模版匹配(使用 match_template 函数)
2、Numpy
Numpy 是 Python 编程的核心库之一,支持数组结构。 图像本质上是包含数据点像素的标准 Numpy 数组。 因此,通过使用基本的 NumPy 操作——例如切片、脱敏和花式索引,可以修改图像的像素值。 可以使用 skimage 加载图像并使用 matplotlib 显示。
用法举例:使用 Numpy 来对图像进行脱敏处理:
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')
3、Scipy
scipy 是 Python 的另一个核心科学模块,就像 Numpy 一样,可用于基本的图像处理和处理任务。值得一提的是,子模块 scipy.ndimage 提供了在 n 维 NumPy 数组上运行的函数。 该软件包目前包括线性和非线性滤波、二进制形态、B 样条插值和对象测量等功能。
用法举例:使用 SciPy 的高斯滤波器对图像进行模糊处理:
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(<image to be displayed>)
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、处理和保存许多不同图像文件格式的支持。 然而,它的发展停滞不前,其最后一次更新还是在 2009 年。幸运的是, PIL 有一个正处于积极开发阶段的分支 Pillow,它非常易于安装。Pillow 能在所有主要操作系统上运行并支持 Python 3。该库包含基本的图像处理功能,包括点操作、使用一组内置卷积内核进行过滤以及颜色空间转换。
用法举例:使用 ImageFilter 增强 Pillow 中的图像:
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")
5、OpenCV-Python
OpenCV(开源计算机视觉库,Open Source Computer Vision Library)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。OpenCV-Python 不仅速度快(因为后台由用 C / C ++ 编写的代码组成),也易于编码和部署(由于前端的 Python 包装器)。 这使其成为执行计算密集型计算机视觉程序的绝佳选择。
用法举例:使用 Pyramids 创建一个名为'Orapple'的新水果的功能
6、SimpleCV
SimpleCV 也是用于构建计算机视觉应用程序的开源框架。 通过它可以访问如 OpenCV 等高性能的计算机视觉库,而无需首先了解位深度、文件格式或色彩空间等。学习难度远远小于 OpenCV,并且正如他们的标语所说,“ 它使计算机视觉变得简单 ”。支持 SimpleCV 的一些观点是:
- 即使是初学者也可以编写简单的机器视觉测试
- 摄像机、视频文件、图像和视频流都可以交互操作
用法举例
7、Mahotas
Mahotas 是另一个用于 Python 的计算机视觉和图像处理库。 它包含传统的图像处理功能(如滤波和形态学操作)以及用于特征计算的更现代的计算机视觉功能(包括兴趣点检测和局部描述符)。 该接口使用 Python,适用于快速开发,但算法是用 C++ 实现的,并且针对速度进行了优化。Mahotas 库运行很快,它的代码很简单,(对其它库的)依赖性也很小。 建议阅读他们的官方文档以了解更多内容。
用法举例
Mahotas 库使用简单的代码来完成工作。 对于“ 寻找 Wally ”的问题,Mahotas 完成的得很好,而且代码量非常小。
8、SimpleITK
ITK (Insight Segmentation and Registration Toolkit) 是一个开源的跨平台系统,为开发人员提供了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,旨在促进其在快速原型设计、教育以及脚本语言中的使用。SimpleITK 是一个包含大量组件的图像分析工具包,支持一般的过滤操作、图像分割和配准。SimpleITK 本身是用 C++ 编写的,但可用于包括 Python 在内的大量编程语言。
这里有大量说明了如何使用 SimpleITK 进行教育和研究活动的 Jupyter notebook。notebook 中演示了如何使用 SimpleITK 进行使用 Python 和 R 编程语言的交互式图像分析。
用法举例
下面的动画是使用 SimpleITK 和 Python 创建的可视化的严格 CT / MR 配准过程。
9、pgmagick
pgmagick 是 GraphicsMagick 库基于 Python 的包装器。GraphicsMagick 图像处理系统有时被称为图像处理的瑞士军刀。它提供了强大而高效的工具和库集合,支持超过 88 种主要格式图像的读取、写入和操作,包括 DPX,GIF,JPEG,JPEG-2000,PNG,PDF,PNM 和 TIFF 等重要格式。
用法举例:图片缩放、边缘提取
图片缩放
边缘提取
10、Pycairo
Pycairo 是图形库 cairo 的一组 python 绑定。Cairo 是一个用于绘制矢量图形的 2D 图形库。 矢量图形很有趣,因为它们在调整大小或进行变换时不会降低清晰度。Pycairo 库可以从 Python 调用 cairo 命令。
用法:Pycairo 可以绘制线条、基本形状和径向渐变。
以上就是一些免费的优秀图像处理 Python 库。有些很知名,你可能已经知道或者用过,有些可能对你来说还是新的。那正好现在就上手操作一下,试一试吧!
Python中的十大图像处理工具相关推荐
- python图片-Python中的十大图像处理工具
原标题:Python中的十大图像处理工具 导读:本文主要介绍了一些简单易懂最常用的Python图像处理库. 作者:Parul Pandey 来源:大数据文摘(ID:BigDataDigest) 当今世 ...
- opencv图像清晰度计算_收藏|分析君带你认识Python中的十大图像处理工具
当今世界充满了各种数据,而图像是其中高的重要组成部分.然而,若想其有所应用,我们需要对这些图像进行处理.图像处理是分析和操纵数字图像的过程,旨在提高其质量或从中提取一些信息,然后将其用于某些方面. 图 ...
- python 图像处理_Python中的十大图像处理工具
文章发布于公号[数智物语] (ID:decision_engine),关注公号不错过每一篇干货. 来源 | 大数据文摘(BigDataDigest) 编译 | 张秋玥.小七.蒋宝尚 本文主要介绍了一些 ...
- opencv图像清晰度计算_Python中的十大图像处理工具
编译:张秋玥.小七.蒋宝尚 本文主要介绍了一些简单易懂最常用的Python图像处理库 当今世界充满了各种数据,而图像是其中高的重要组成部分.然而,若想其有所应用,我们需要对这些图像进行处理.图像处理是 ...
- CSDN总结的面试中的十大可视化工具
1. D3.js 基于JavaScript的数据可视化库,允许绑定任意数据到DOM,然后将数据驱动转换应用到Document中. 2. Data.js Data.js是一个JavaScript数据表示 ...
- Kali Linux中的十大WiFi攻击工具介绍
本文讲的是Kali Linux中的十大WiFi攻击工具介绍,在这十大WiFi攻击黑客工具中,我们将讨论一个非常受欢迎的主题:无线网络攻击以及如何防止黑客入侵.无线网络通常是网络的一个弱点,因为WiFi ...
- c++ vs2015 播放音乐_Linux 中的十大开源视频播放器
(给Linux爱好者加星标,提升Linux技能) 编译:linux中国-lujun9972,作者:Stella Aldridge https://linux.cn/article-11481-1.ht ...
- 基础科研探索推进中的十大关系
编者按 这篇文章论述了基础科研中的十大关系,对当前国内基础科研中存在的一些关系不清.学科不分和专业概念混淆等现象,给出了作者自己鲜明的看法和中肯的建议. 编者赞同作者的见解:科学认知是一种当前的&qu ...
- 项目进度计划表_十大项目管理工具模版~
大家都知道,好的工具.表格能大大提高工作效率. 特别是如此繁杂的项目管理工作,好的工具实在是太重要了! 今天小编就献上最常用的十大项目管理工具模板: 项目组成员表.项目范围说明书.WBS表.项目进度计 ...
最新文章
- Java中实现DES加解密的一个类
- WPF-MVVM学习心德(WinForm转WPF心德)
- one-to-many many-to-one 为什么只生成了一张表呢?
- 8.Eclipse中创建Maven Web项目
- sql注入_1-7_绕过注入
- 使用存储过程(22)
- 插入始终是1_C++入门篇(四十四),链表查询与结点插入
- Java EE 8 MVC:全局异常处理
- MySQL 学习二:高手必备!MySQL 增删改查高级命令大全硬核总结!
- PAT L3-015 ---- 球队“食物链”(DFS)
- 【Git】处理 Unable to access ‘https://github.com’: OpenSSL SSL_read: Connection was reset, errno 10054
- php 统计 系统设计,求解统计系统设计的一些技术方案和实现
- 一个小小的总结--关于写博客这件事
- XGBoost原理及在Python中使用XGBoost
- 嵌入式操作系统内核原理和开发(事件)
- POJ 1185 炮兵阵地(动态规划+状态压缩)
- java 删除文件夹和文件_如何创建无法删除的文件夹?
- oracle导入和导出遇到may be an original export dump file的问题
- 关于三极管处于临界饱和状态的分析
- java-php-python-springboo垃圾分类网站计算机毕业设计
热门文章
- 计算机公司 英语日常用语,计算机专用英语词汇1500词SampleTextSampleText电脑日常用语.PDF...
- 继CRI CNI CSI后,CNCF对三方设备的管理也将推行标准化接口了
- 理解移动语义(五)--左右值判断的常见错误
- Android中录像实现MediaMuxer
- 面渣逆袭:Java并发六十问,图文详解,快来看看你会多少道
- 一个政策就能让多家巨头损失惨重 苹果暴露巨大权势
- 深入理解Java虚拟机02—类加载机制
- 嵌入式物联网开发,linux,单片机32(仅供借鉴,代码不共享 自行编写)
- JAVA_获取每年、每季度的第一天,最后一天_一蓑烟雨任平生
- 零基础学习Python:基础阶段