10个Python图像编辑工具

　　以下提到的这些Python工具在编辑图像、操作图像底层数据方面都提供了简单直接的方法。
　　ParulPandey
　　当今的世界充满了数据，而图像数据就是其中很重要的一部分。但只有经过处理和分析，提高图像的质量，从中提取出有效地信息，才能利用到这些图像数据。
　　常见的图像处理操作包括显示图像，基本的图像操作，如裁剪、翻转、旋转；图像的分割、分类、特征提取；图像恢复；以及图像识别等等。Python作为一种日益风靡的科学编程语言，是这些图像处理操作的最佳选择。同时，在Python生态当中也有很多可以免费使用的优秀的图像处理工具。
　　下文将介绍10个可以用于图像处理任务的Python库，它们在编辑图像、查看图像底层数据方面都提供了简单直接的方法。1、scikitimage
　　scikitimage是一个结合NumPy数组使用的开源Python工具，它实现了可用于研究、教育、工业应用的算法和应用程序。即使是对于刚刚接触Python生态圈的新手来说，它也是一个在使用上足够简单的库。同时它的代码质量也很高，因为它是由一个活跃的志愿者社区开发的，并且通过了同行评审（peerreview）。资源
　　scikitimage的文档非常完善，其中包含了丰富的用例。示例
　　可以通过导入skimage使用，大部分的功能都可以在它的子模块中找到。
　　图像滤波（imagefiltering）：importmatplotlib。pyplotasplt
　　matplotlibinline
　　fromskimageimportdata，filters
　　imagedata。coins（）。。。oranyotherNumPyarray！
　　edgesfilters。sobel（image）
　　plt。imshow（edges，cmapgray）
　　Imagefilteringinscikitimage
　　使用matchtemplate（）方法实现模板匹配（templatematching）：
　　Templatematchinginscikitimage
　　在展示页面可以看到更多相关的例子。2、NumPy
　　NumPy提供了对数组的支持，是Python编程的一个核心库。图像的本质其实也是一个包含像素数据点的标准NumPy数组，因此可以通过一些基本的NumPy操作（例如切片、掩膜（mask）、花式索引（fancyindexing）等），就可以从像素级别对图像进行编辑。通过NumPy数组存储的图像也可以被skimage加载并使用matplotlib显示。资源
　　在NumPy的官方文档中提供了完整的代码文档和资源列表。示例
　　使用NumPy对图像进行掩膜（mask）操作：importnumpyasnp
　　fromskimageimportdata
　　importmatplotlib。pyplotasplt
　　matplotlibinline
　　imagedata。camera（）
　　type（image）
　　numpy。ndarrayImageisaNumPyarray：
　　maskimagelt；87
　　image〔mask〕255
　　plt。imshow（image，cmapgray）
　　NumPy
　　3、SciPy
　　像NumPy一样，SciPy是Python的一个核心科学计算模块，也可以用于图像的基本操作和处理。尤其是SciPyv1。1。0中的scipy。ndimage子模块，它提供了在n维NumPy数组上的运行的函数。SciPy目前还提供了线性和非线性滤波（linearandnonlinearfiltering）、二值形态学（binarymorphology）、B样条插值（Bsplineinterpolation）、对象测量（objectmeasurements）等方面的函数。资源
　　在官方文档中可以查阅到scipy。ndimage的完整函数列表。示例
　　使用SciPy的高斯滤波对图像进行模糊处理：fromscipyimportmisc，ndimage
　　facemisc。face（）
　　blurredfacendimage。gaussianfilter（face，sigma3）
　　veryblurredndimage。gaussianfilter（face，sigma5）
　　Results
　　plt。imshow（lt；imagetobedisplayedgt；）
　　UsingaGaussianfilterinSciPy
　　4、PILPillow
　　PIL（PythonImagingLibrary）是一个免费Python编程库，它提供了对多种格式图像文件的打开、编辑、保存的支持。但在2009年之后PIL就停止发布新版本了。幸运的是，还有一个PIL的积极开发的分支Pillow，它的安装过程比PIL更加简单，支持大部分主流的操作系统，并且还支持Python3。Pillow包含了图像的基础处理功能，包括像素点操作、使用内置卷积内核进行滤波、颜色空间转换等等。资源
　　Pillow的官方文档提供了Pillow的安装说明自己代码库中每一个模块的示例。示例
　　使用Pillow中的ImageFilter模块实现图像增强：fromPILimportImage，ImageFilter
　　Readimage
　　imImage。open（image。jpg）
　　Displayimage
　　im。show（）
　　fromPILimportImageEnhance
　　enhImageEnhance。Contrast（im）
　　enh。enhance（1。8）。show（30morecontrast）
　　EnhancinganimageinPillowusingImageFilter
　　源码5、OpenCVPython
　　OpenCV（OpenSourceComputerVision库）是计算机视觉领域最广泛使用的库之一，OpenCVPython则是OpenCV的PythonAPI。OpenCVPython的运行速度很快，这归功于它使用CC编写的后台代码，同时由于它使用了Python进行封装，因此调用和部署的难度也不大。这些优点让OpenCVPython成为了计算密集型计算机视觉应用程序的一个不错的选择。资源
　　入门之前最好先阅读OpenCV2PythonGuide这份文档。示例
　　使用OpenCVPython中的金字塔融合（PyramidBlending）将苹果和橘子融合到一起：
　　ImageblendingusingPyramidsinOpenCVPython
　　源码6、SimpleCV
　　SimpleCV是一个开源的计算机视觉框架。它支持包括OpenCV在内的一些高性能计算机视觉库，同时不需要去了解位深度（bitdepth）、文件格式、色彩空间（colorspace）之类的概念，因此SimpleCV的学习曲线要比OpenCV平缓得多，正如它的口号所说，将计算机视觉变得更简单。SimpleCV的优点还有：即使是刚刚接触计算机视觉的程序员也可以通过SimpleCV来实现一些简易的计算机视觉测试录像、视频文件、图像、视频流都在支持范围内资源
　　官方文档简单易懂，同时也附有大量的学习用例。示例
　　SimpleCV
　　7、Mahotas
　　Mahotas是另一个Python图像处理和计算机视觉库。在图像处理方面，它支持滤波和形态学相关的操作；在计算机视觉方面，它也支持特征计算（featurecomputation）、兴趣点检测（interestpointdetection）、局部描述符（localdescriptors）等功能。Mahotas的接口使用了Python进行编写，因此适合快速开发，而算法使用C实现，并针对速度进行了优化。Mahotas尽可能做到代码量少和依赖项少，因此它的运算速度非常快。可以参考官方文档了解更多详细信息。资源
　　文档包含了安装介绍、示例以及一些Mahotas的入门教程。示例
　　Mahotas力求使用少量的代码来实现功能。例如这个FindingWally游戏：
　　FindingWallyprobleminMahotas
　　FindingWallyprobleminMahotas
　　源码8、SimpleITK
　　ITK（InsightSegmentationandRegistrationToolkit）是一个为开发者提供普适性图像分析功能的开源、跨平台工具套件，SimpleITK则是基于ITK构建出来的一个简化层，旨在促进ITK在快速原型设计、教育、解释语言中的应用。SimpleITK作为一个图像分析工具包，它也带有大量的组件，可以支持常规的滤波、图像分割、图像配准（registration）功能。尽管SimpleITK使用C编写，但它也支持包括Python在内的大部分编程语言。资源
　　有很多JupyterNotebooks用例可以展示SimpleITK在教育和科研领域中的应用，通过这些用例可以看到如何使用Python和R利用SimpleITK来实现交互式图像分析。示例
　　使用PythonSimpleITK实现的CTMR图像配准过程：
　　SimpleITKanimation
　　源码9、pgmagick
　　pgmagick是使用Python封装的GraphicsMagick库。GraphicsMagick通常被认为是图像处理界的瑞士军刀，因为它强大而又高效的工具包支持对多达88种主流格式图像文件的读写操作，包括DPX、GIF、JPEG、JPEG2000、PNG、PDF、PNM、TIFF等等。资源
　　pgmagick的GitHub仓库中有相关的安装说明、依赖列表，以及详细的使用指引。示例
　　图像缩放：
　　Imagescalinginpgmagick
　　源码
　　边缘提取：
　　Edgeextractioninpgmagick
　　源码10、Pycairo
　　Cairo是一个用于绘制矢量图的二维图形库，而Pycairo是用于Cairo的一组Python绑定。矢量图的优点在于做大小缩放的过程中不会丢失图像的清晰度。使用Pycairo可以在Python中调用Cairo的相关命令。资源
　　Pycairo的GitHub仓库提供了关于安装和使用的详细说明，以及一份简要介绍Pycairo的入门指南。示例
　　使用Pycairo绘制线段、基本图形、径向渐变（radialgradients）：
　　Pycairo
　　源码总结
　　以上就是Python中的一些有用的图像处理库，无论你有没有听说过、有没有使用过，都值得试用一下并了解它们。
　　via：https：opensource。comarticle193pythonimagemanipulationtools
　　作者：ParulPandey选题：lujun9972译者：HankChow校对：wxy
　　本文由LCTT原创编译，Linux中国荣誉推出点击了解更多可访问文内链接