在影像處理領域，一庫在手，相當于天下已有，但是今天給大家推薦10個好用的庫，快來看看有哪些吧~
有一位搞資料科學的小姐姐Parul Pandey，整理了一份實用Python影像處理工具，內含十大經典Python庫，
這份資源中的工具可用于影像處理中的常見任務，包括裁剪、翻轉、旋轉、影像分割、分類和特征提取、影像恢復和影像識別等，可謂干貨滿滿，影像處理提升效率必備，
1、scikit Image
scikit-image是一個與numpy陣列配合使用的開源Python包，在學術研究、教育和行業領域都可應用，
即使是那些剛接觸Python生態系統的人，也會覺得這是一個相當簡單直接的庫，
通過這個包能完成很多任務，比如影像過濾：
import matplotlib.pyplot as plt
%matplotlib inline
from skimage import data,filters
image=ata.coins()
edges=filters.sobel(image)
plt.imshow(edges,cmap='gray'
使用match_template 函式進行模板匹配：
官方地址：https://scikit-image.org/
用戶指南：https://scikit-image.org/docs/stable/user_guide.html
2、Numpy
Numpy是Python的核心庫之一，也能支持陣列，影像本質上是包含資料點像素的標準Numpy陣列，
因此，通過基本的NumPy操作，可以修改影像的像素值，
也可以使用skimage加載影像并用matplotlib顯示，使用方法也和簡單，比如需要mask一張影像時：
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')
官方地址：http://www.numpy.org/
3. Scipy
scipy是Python中另一個核心模塊，可用于基本的影像操作和處理任務，
特別需要注意的是，子模塊scipy.ndimage提供在n維NumPy陣列上運行的功能，這個包目前包括線性和非線性濾波器、二元形態、B-spline插值和物體測量等功能，
可以用高斯過濾用Scipy模糊高斯濾波器：
from scipy import misc,ndimage
face=misc.face()
blu_face=ndimage.gaussian_filter(face,sigma=3)
very_blu=ndimage.gaussian_filter(face,sigma=5)
plt.imshow(<image to be displayed>)
官方資料：
https://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.html#correlation-and-convolution
4、PIL/ Pillow
PIL（Python Imaging Library）是一個免費的Python編程語言庫，它增加了對打開，操作和保存不同影像檔案格式的支持，
其分支Pillow更易于安裝，在所有主要作業系統上運行并支持Python 3，這個庫包含基本的影像處理功能，包括點操作、使用一組內置卷積核濾波及顏色空間轉換，
當用ImageFilter增強Pillow中的影像時，操作是這樣的：
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")
官方介紹：https://pillow.readthedocs.io/en/3.1.x/index.html
5、OpenCV-Python
OpenCV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，
總體來說，因為后臺由用C / C ++撰寫，因此OpenCV-Python不僅速度快，也易于編程和部署，這使其成為執行計算密集型視覺程式的絕佳選擇，
來看一下用例，下圖展示的是OpenCV-Python在Image Blending中使用Pyramids創建一個名為’Orapple’的新水果的功能，
上手指南：https://github.com/abidrahmank/OpenCV2-Python-Tutorials
6、SimpleCV
SimpleCV也是廣泛被使用的構建計算機視覺應用程式的開源框架，
手握SimpleCV，你可以訪問幾個高性能的視覺庫，而無需先了解影像色深（bit depth）、檔案格式、色彩空間等，
SimpleCV擁護者的支持理由有兩個，一是初學者也可以借此撰寫簡單的視覺任務，二是無論是相機、視頻檔案、影像和視頻流可互相操作，
用戶指南：https://simplecv.readthedocs.io/en/latest/
7、Mahotas
Mahotas包含傳統的影像處理功能，如濾波和影像形態學處理，以及用于特征計算，比如興趣點檢測和區域描述子等，
這個庫適用于快速開發，演算法是用C++實作的，并且針對速度進行了調整，
官方地址：https://mahotas.readthedocs.io/en/latest/
用戶指南：https://mahotas.readthedocs.io/en/latest/index.html
8、 SimpleITK
ITK是一個開源的跨平臺系統，提供一整套用于影像分析的軟體工具，
其中，SimpleITK是一個建立在ITK之上的簡化層，促進其在簡化原型、教育和解釋語言中的應用，
SimpleITK是一個影像分析工具包，內含大量組件，支持一般濾波操作、影像分割和圖形配準，
SimpleITK本身是用C++撰寫的，但也適用于包括Python在內的大量編程語言，
下面就是用SimpleITK和Python創建的可視化的CT/MR圖：
官方地址：https://itk.org/
學習資料：http://insightsoftwareconsortium.github.io/SimpleITK-Notebooks/
9、GraphicsMagick
GraphicsMagick號稱影像處理領域的瑞士軍刀，代碼短小卻提供了一個魯棒、高效的工具和庫集合，可用來處理影像的讀取、寫入和操作，
支持超過88種影像格式，包括重要的DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM和TIFF，
將它用于影像邊緣提取任務，效果如下：
官方資料：https://pypi.org/project/pgmagick/
相關資源：https://github.com/hhatto/pgmagick
10、Pycairo
pyCairo是一個Python的2D圖形渲染庫，可用于繪制矢量圖形的2D圖形，在調整大小或變換時不會丟失清晰度，
下面這個用例是用Pycairo繪制線條、基本形狀和徑向梯度，
官方介紹：https://cairographics.org/
相關資源：https://github.com/pygobject/pycairo
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/263654.html
標籤：Python
上一篇：關于PHP的方法引數型別約束