1、scikit Image 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: 使用match_template 函数进行模板匹配: 官方地址: 用户指南: 2、Numpy 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操作,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: 官方地址: 3. Scipy scipy是Python中另一个核心模块,可用于基本的图像操作和处理任务。 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: 官方资料: 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,最后一次更新还是在2009年。 其分支Pillow更易于安装,在所有主要操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,包括点操作、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,操作是这样的: 官方介绍: 5、OpenCV-Python 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: 6、SimpleCV 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操作。 用户指南: 7、Mahotas 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: 用户指南: 8、 SimpleITK 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,支持一般滤波操作、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: 学习资料: 9、GraphicsMagick 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、写入和操作。 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: 相关资源: 10、Pycairo 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: 相关资源: https:///image-manipulation-tools-for-python-6eb0908ed61f |
|