一、OpenCV

OpenCV是最著名和應用最廣泛的開源庫之一，用于圖像處理、目標檢測、人臉檢測、圖像分割、人臉識別等計算機視覺任務。除此之外，它還可以用于機器學習任務。

這是英特爾在2002年開發(fā)的。它是用C++編寫的，但是開發(fā)人員已經(jīng)提供了Python和java綁定。它易于閱讀和使用。

為了建立計算機視覺和機器學習模型，OpenCV有超過2500種算法。這些算法對于執(zhí)行各種任務非常有用，例如人臉識別、目標檢測等。讓我們看一些可以使用OpenCV執(zhí)行的示例：

灰度縮放

灰度縮放是一種將3通道圖像（如RGB、HSV等）轉(zhuǎn)換為單通道圖像（即灰度）的方法。最終的圖像在全白和全黑之間變化?；叶瓤s放的重要性包括降維（將3通道圖像轉(zhuǎn)換為單通道圖像）、降低模型復雜度等。

下面的代碼片段顯示了OpenCV中的灰度縮放

import cv2 as cv
img = cv.imread('example.jpg')
cv.imshow('Original', img)
cv.waitKey()
#Use cvtColor, to convert to grayscale
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('Grayscale', gray_img)
cv.waitKey(0)

旋轉(zhuǎn)圖像

OpenCV有助于使用從0到360度的任意角度旋轉(zhuǎn)圖像。

檢查以下代碼以將圖像旋轉(zhuǎn)180度。

import cv2 as cv
import matplotlib.pyplot as plt
img = cv.imread('example.jpg')
h, w = image.shape[:2]
rot_matrix = cv.getRotationMatrix2D((w/2,h/2), -180, 0.5)
rot_image = cv.warpAffine(img, rot_matrix, (w, h))
plt.imshow(cv.cvtColor(rot_image, cv.COLOR_BGR2RGB))

OpenCV還提供了除我們到目前為止討論的功能之外的其他功能。除此之外，它還有助于人臉檢測、圖像分割、特征提取、目標檢測、三維重建等。

有關更多信息，請查看官方文檔：https://opencv.org/

二、Scikit-Image

Scikit Image是另一個偉大的開源圖像處理庫。它幾乎適用于任何計算機視覺任務。它是最簡單、最直接的庫之一。這個庫的某些部分是用Cython編寫的（它是python編程語言的超集，旨在使python比C語言更快）。

它提供了大量的算法，包括分割、顏色空間操作、幾何變換、濾波、形態(tài)學、特征檢測等。

Scikit Image使用Numpy數(shù)組作為圖像對象。讓我們看看如何在scikit圖像中執(zhí)行活動輪廓操作。活動輪廓描述圖像中形狀的邊界。

檢查以下活動輪廓操作代碼：

import numpy as np
import matplotlib.pyplot as plt
from skimage.color import rgb2gray
from skimage import data
from skimage.filters import gaussian
from skimage.segmentation import active_contour
image = data.astronaut()
# Data for circular boundary
s = np.linspace(0, 2*np.pi, 400)
x = 220 + 100*np.cos(s)
y = 100 + 100*np.sin(s)
init = np.array([x, y]).T
# formation of the active contour
centre = active_contour(gaussian(image, 3),init, alpha=0.015, beta=10, gamma=0.001)
figure, axis = plt.subplots(1, 2, figsize=(7, 7))
ax[0].imshow(image, cmap=plt.cm.gray)
ax[0].set_title("Original Image")
ax[1].imshow(image, cmap=plt.cm.gray)

有關更多信息，請查看官方文檔：https://scikit-image.org/docs/stable/auto_examples/

三、Scipy

SciPy主要用于數(shù)學和科學計算，但有時也可以使用子模塊SciPy.ndimage用于基本的圖像操作和處理任務。

歸根結(jié)底，圖像只是多維數(shù)組，SciPy提供了一組用于操作n維Numpy操作的函數(shù)。SciPy提供了一些基本的圖像處理操作，如人臉檢測、卷積、圖像分割、讀取圖像、特征提取等。

除此之外，還可以執(zhí)行過濾，在圖像上繪制輪廓線。

請檢查以下代碼以使用SciPy模糊圖像：

from scipy import ndimage, misc
from matplotlib import pyplot as plt
f = misc.face()
b_face = ndimage.gaussian_filter(f, sigma=3)
figure, axis = plt.subplots(1, 2, figsize=(16, 8))

有關更多信息，請查看官方文檔：https://docs.scipy.org/doc/scipy/reference/ndimage.html

四、Python Image Library (Pillow/PIL)

它是一個用于圖像處理任務的開放源碼python庫。它提供了其他庫通常不提供的特殊功能，如過濾、打開、操作和保存圖像。這個庫支持多種文件格式，這使它更高效。PIL還支持圖像處理、圖像顯示和圖像存檔等功能。讓我們看看使用Pillow/PIL的圖像增強。

更改圖像的清晰度：

有關更多信息，請查看官方文檔：https://pillow.readthedocs.io/en/stable/index.html

五、Matplotlib

Matplotlib主要用于二維可視化，如散點圖、條形圖、直方圖等，但我們也可以將其用于圖像處理。從圖像中提取信息是有效的。它不支持所有的文件格式。

背景顏色更改操作后，請檢查以下圖像：

有關更多信息，請查看官方文檔：https://matplotlib.org/stable/tutorials/introductory/images.html

六、SimpleITK

它也稱為圖像分割和注冊工具包。它是一個用于圖像注冊和圖像分割的開源庫。像OpenCV這樣的庫將圖像視為一個數(shù)組，但是這個庫將圖像視為空間中某個區(qū)域上的一組點。檢查以下示例：

圖像分割

有關更多信息，請查看官方文檔：https://itk.org/

七、Numpy

它是一個用于數(shù)值分析的開放源碼python庫。它包含一個矩陣和多維數(shù)組作為數(shù)據(jù)結(jié)構(gòu)。但是NumPy也可以用于圖像處理任務，例如圖像裁剪、操作像素和像素值的蒙版。

檢查下圖以從圖像中提取綠色/紅色/藍色通道：

有關更多信息，請查看官方文檔：https://scikit-image.org/docs/dev/user_guide/numpy_images.html

八、Mahotas

它是另一個用于計算機視覺和圖像處理的開放源碼python庫。它是為生物信息學而設計的。它提供了很多算法，這些算法是用C++編寫的，速度很快，使用了一個好的Python接口。它以NumPy數(shù)組讀取和寫入圖像。

使用Mahotas檢查下面的模板匹配圖像：

有關更多信息，請查看官方文檔：https://mahotas.readthedocs.io/en/latest/#

到此這篇關于2021年用于圖像處理的Python庫總結(jié)的文章就介紹到這了,更多相關Python圖像處理常用庫內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！