Python中最常用十大图像处理库详细介绍
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. scikitimage
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。
使用说明文档：
https://scikit-image.org/docs/stable/user_guide.html
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 inlinefrom skimage import data,filtersimage = 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）
gallery上还有更多例子。
https://scikit-image.org/docs/dev/auto_examples/
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。
使用说明文档：
http://www.numpy.org/
用法举例：使用numpy来对图像进行脱敏处理
importnumpyasnpfrom skimage import dataimport matplotlib.pyplot as plt%matplotlib inlineimage = data.camera()type(image)numpy.ndarray #image is a numpy arraymask = image < 87image[mask]=255plt.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。
使用说明文档：
https://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.html#correlation-and-convolution
用法举例：使用scipy的高斯滤波器对图像进行模糊处理
fromscipyimportmisc,ndimageface = misc.face()blurred_face = ndimage.gaussian_filter(face, sigma=3)very_blurred = ndimage.gaussian_filter(face, sigma=5)#resultsplt.imshow()
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。
使用说明文档：
https://pillow.readthedocs.io/en/3.1.x/index.html
用法举例：使用imagefilter增强pillow中的图像
from pil import image, imagefilter#read imageim = image.open( 'image.jpg' )#display imageim.show()from pil import imageenhanceenh = 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。
使用说明文档：
https://github.com/abidrahmank/opencv2-python-tutorials
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
使用说明文档：
https://simplecv.readthedocs.io/en/latest/
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。
使用说明文档：
https://mahotas.readthedocs.io/en/latest/install.html
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。
使用说明文档：
https://github.com/hhatto/pgmagick
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。
使用说明文档：
https://github.com/hhatto/pgmagick
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。
使用说明文档：
https://github.com/pygobject/pycairo
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！
英伟达赚翻了，分析称H100 AI GPU利润高达1000%
小米宣布无线充电新纪录超50W
关于5G技术将为新一代物联网铺路的分析和介绍
想超过苹果Siri和微软小娜，谷歌加紧开发语音助手
人工智能及其应用总结
Python中最常用十大图像处理库详细介绍
人工智能的快速发展需要标准引领规范
！！卖 HP54810 Agilent 54810A HP5
科瑞传感器在扶梯上的应用原理解析
华为麦芒6发布会精彩盘点回顾：华为麦芒6外观、配置、拍照、性能汇总，价格2399元
10kV高压开关柜五防功能介绍
50亿美元！Yole预测2023年激光雷达市场收入规模和三大潜力增长领域
微型投影机首选LED灯作光源
西圣又一重磅新品发布！搭载高通3040芯片年度旗舰机！
与中小企业共生共赢，华为云 B2B 企业节来了
小米6X和360N7哪个性价比最高
一种高可靠刀闸接口箱控制器的设计
三星厚积薄发，Galaxy S10发布重返安卓机战场
科学家首次发现超高能宇宙线加速器在银河系中存在的证据
云帆瑞达︱以“智”之名改变生活的毫米波雷达
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. scikitimage
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。
使用说明文档：
https://scikit-image.org/docs/stable/user_guide.html
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 inlinefrom skimage import data,filtersimage = 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）
gallery上还有更多例子。
https://scikit-image.org/docs/dev/auto_examples/
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。
使用说明文档：
http://www.numpy.org/
用法举例：使用numpy来对图像进行脱敏处理
importnumpyasnpfrom skimage import dataimport matplotlib.pyplot as plt%matplotlib inlineimage = data.camera()type(image)numpy.ndarray #image is a numpy arraymask = image < 87image[mask]=255plt.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。
使用说明文档：
https://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.html#correlation-and-convolution
用法举例：使用scipy的高斯滤波器对图像进行模糊处理
fromscipyimportmisc,ndimageface = misc.face()blurred_face = ndimage.gaussian_filter(face, sigma=3)very_blurred = ndimage.gaussian_filter(face, sigma=5)#resultsplt.imshow()
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。
使用说明文档：
https://pillow.readthedocs.io/en/3.1.x/index.html
用法举例：使用imagefilter增强pillow中的图像
from pil import image, imagefilter#read imageim = image.open( 'image.jpg' )#display imageim.show()from pil import imageenhanceenh = 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。
使用说明文档：
https://github.com/abidrahmank/opencv2-python-tutorials
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
使用说明文档：
https://simplecv.readthedocs.io/en/latest/
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。
使用说明文档：
https://mahotas.readthedocs.io/en/latest/install.html
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。
使用说明文档：
https://github.com/hhatto/pgmagick
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。
使用说明文档：
https://github.com/hhatto/pgmagick
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。
使用说明文档：
https://github.com/pygobject/pycairo
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！
英伟达赚翻了，分析称H100 AI GPU利润高达1000%
小米宣布无线充电新纪录超50W
关于5G技术将为新一代物联网铺路的分析和介绍
想超过苹果Siri和微软小娜，谷歌加紧开发语音助手
人工智能及其应用总结
Python中最常用十大图像处理库详细介绍
人工智能的快速发展需要标准引领规范
！！卖 HP54810 Agilent 54810A HP5
科瑞传感器在扶梯上的应用原理解析
华为麦芒6发布会精彩盘点回顾：华为麦芒6外观、配置、拍照、性能汇总，价格2399元
10kV高压开关柜五防功能介绍
50亿美元！Yole预测2023年激光雷达市场收入规模和三大潜力增长领域
微型投影机首选LED灯作光源
西圣又一重磅新品发布！搭载高通3040芯片年度旗舰机！
与中小企业共生共赢，华为云 B2B 企业节来了
小米6X和360N7哪个性价比最高
一种高可靠刀闸接口箱控制器的设计
三星厚积薄发，Galaxy S10发布重返安卓机战场
科学家首次发现超高能宇宙线加速器在银河系中存在的证据
云帆瑞达︱以“智”之名改变生活的毫米波雷达