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年開發的。它是用C++編寫的，但是開發人員已經提供了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。灰度縮放的重要性包括降維（將3通道圖像轉換為單通道圖像）、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)

旋轉圖像

OpenCV有助于使用從0到360度的任意角度旋轉圖像。

檢查以下代碼以將圖像旋轉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、形態學、特征檢測等。

Scikit Image使用Numpy數組作為圖像對象。讓我們看看如何在scikit圖像中執行活動輪廓操作。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。

歸根結底，圖像只是多維數組，SciPy提供了一組用于操作n維Numpy操作的函數。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組，但是這個庫將圖像視為空間中某個區域上的一組點。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

它是一個用于數值分析的開放源碼python庫。它包含一個矩陣和多維數組作為數據結構。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庫總結的文章就介紹到這了,更多相關Python圖像處理常用庫內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！