概述了一些常用的Python库，它们提供了一种简单直观的图像转换方法。

介绍

在我们今天的世界中有很多的数据，而图像是这些数据中的重要组成部分。但是，要使用这些图像，需要对它们进行处理。因此，图像处理是分析和操纵数字图像的过程，主要目的是提高数字图像的质量或从中提取一些信息，然后可以将其用于某种用途。

图像处理中常见的任务包括显示图像，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。 Python成为这种图像处理任务的合适选择。这是因为它作为一种科学编程语言日益普及，并且在其生态系统中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是一个开源Python包，适用于numpy数组。它实现了用于研究、教育和行业应用的算法和实用程序。即使对于那些刚接触Python生态系统的人，它也是一个相当简单直接的库。

资源

用法

该包作为skimage导入，大多数功能都在子模块中找到。skimage的一些例子包括：

图像过滤

使用match_template函数进行模板匹配

您可以在图库中找到更多示例。

2.Numpy

Numpy是Python编程的核心库之一，并为数组提供支持。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、屏蔽和花式索引，我们可以修改图像的像素值。可以使用skimage加载图像并使用matplotlib显示图像。

资源

Numpy的官方文档页面提供了完整的资源和文档列表。 NumPy — NumPyNumPy — NumPy

用法

使用Numpy来屏蔽图像。

3.Scipy

scipy是Python的另一个核心科学模块，如Numpy，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。

资源

有关scipy.ndimage包提供的完整功能列表，请参阅此处的文档。 NumPy — NumPy使用SciPy进行模糊使用高斯滤波器：

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、操作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，最后一次发布是在2009年。幸运的是，Pillow是一个积极开发的PIL分支，更易于安装;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。

资源

该文档包含安装说明以及涵盖库的每个模块的示例。

用法

使用ImageFilter增强Pillow中的图像：

5.OpenCV-Python

OpenCV(开源计算机视觉库)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，而且易于编码和部署(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。

资源

OpenCV2-Python-指南使您可以轻松开始使用OpenCV-Python。

用法

下面是一个示例，展示了OpenCV-Python在使用金字塔创建一个名为“Orapple”的新水果的图像混合中的功能。

6.SimpleCV

SimpleCV也是一个用于构建计算机视觉应用程序的开源框架。有了它，您可以访问几个高性能的计算机视觉库，如OpenCV，无需首先了解位深度、文件格式、色彩空间等。学习曲线远远小于OpenCV，并且正如他们的标语所说，“计算机视觉变得容易”。一些赞成SimpleCV的观点是：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互操作

资源

官方文档很容易理解，并有大量的示例和用例可供遵循。

用法

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，如过滤和形态学操作，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调整。 Mahotas库速度快，代码简洁，依赖性最小。可以在这阅读它们的官方文章 「链接」

资源

该文档包含安装说明，示例甚至一些教程，以帮助您轻松地开始使用mahotas。

用法

Mahotas库依赖于使用简单的代码来完成工作。对于“寻找Wally”的问题，Mahotas做得很好，而且代码也很简单。下面是源代码。 Finding Wally — mahotas 1.4.3+git documentation

8.SimpleITK

ITK或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、教育、解释语言中的使用。 SimpleITK是一个图像分析工具包，具有大量组件，支持一般过滤操作、图像分割和注册。 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。

资源

已经提供了大量的Jupyter笔记本，说明了如何使用SimpleITK进行教育和研究活动。笔记本演示了如何使用SimpleITK进行使用Python和R编程语言的交互式图像分析。

用法

下面的动画是使用SimpleITK和Python创建的严格CT / MR注册过程的可视化。在这里阅读源代码。 Finding Wally — mahotas 1.4.3+git documentation

9.pgmagick

pgmagick是GraphicsMagick库的基于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，支持以超过88种主要格式读取、写入和操作图像，包括DPX，GIF，JPEG，JPEG-2000，PNG，PDF，PNM和TIFF等重要格式。

资源

有一个专门用于PgMagick的Github存储库，其中有安装和要求的说明。还有关于该主题的详细用户指南。

用法

使用pgmagick执行的图像操作活动很少：

图像缩放：

边缘提取：

10.Pycairo

Pycairo是一组用于图形库cairo的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变换时不会失去清晰度。 Pycairo是一组用于cairo的绑定，可用于从Python调用cairo命令。

资源

Pycairo GitHub存储库是一个很好的资源，有关于安装和使用的详细说明。还有一个入门指南，其中有一个关于Pycairo的简要教程。

用法

Pycairo绘制线条、基本形状和径向渐梯度

结论

这些是Python中一些有用且免费提供的图像处理库。有些是众所周知的，有些可能对你来说是新的。尝试一下以了解更多关于它们的信息。