Python10大图像处理库

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。

import matplotlib.pyplot as plt
from skimage import data,filters

image=data.coins()
edges=filters.sobel(image)
plt.imshow(edges,cmap='gray')

官方地址：https://scikit-image.org/

用户指南：https://scikit-image.org/docs/stable/user_guide.html

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。

import numpy as np
from skimage import data
import matplotlib.pyplot as plt

image=data.camera()
type(image)
numpy.ndarray
mask=image<87
image[mask]=255
plt.imshow(image,cmap='gray')

官方地址：http://www.numpy.org/

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。

from scipy import misc,ndimage

face=misc.face()
blu_face=ndimage.gaussian_filter(face,sigma=3)
very_blu=ndimage.gaussian_filter(face,sigma=5)

plt.imshow(<image to be displayed>)

官方资料：

https://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.html#correlation-and-convolution

PIL

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。

from PIL import Image,ImageFilter
im=Image.open('image.jpg')
im.show()
from PIL import ImageEnhance
enh=ImageEnhance.Contrast(im)
enh.enhance(1.8).show("30% more contrast")

官方介绍：https://pillow.readthedocs.io/en/3.1.x/index.html

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：https://github.com/abidrahmank/OpenCV2-Python-Tutorials

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：https://simplecv.readthedocs.io/en/latest/