最新用于图像处理的Python库总结(图像图像处理)

一、OpenCV

OpenCV是最著名和应用最广泛的开源库之一，用于图像处理、目标检测、人脸检测、图像分割、人脸识别等计算机视觉任务。除此之外，它还可以用于机器学习任务。

这是英特尔在2002年开发的。它是用C++编写的，但是开发人员已经提供了Python和java绑定。它易于阅读和使用。

为了建立计算机视觉和机器学习模型，OpenCV有超过2500种算法。这些算法对于执行各种任务非常有用，例如人脸识别、目标检测等。让我们看一些可以使用OpenCV执行的示例：

灰度缩放

灰度缩放是一种将3通道图像（如RGB、HSV等）转换为单通道图像（即灰度）的方法。最终的图像在全白和全黑之间变化。灰度缩放的重要性包括降维（将3通道图像转换为单通道图像）、降低模型复杂度等。

下面的代码片段显示了OpenCV中的灰度缩放

importcv2ascv
img=cv.imread('example.jpg')
cv.imshow('Original',img)
cv.waitKey()
#UsecvtColor,toconverttograyscale
gray_img=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
cv.imshow('Grayscale',gray_img)
cv.waitKey(0)

旋转图像

OpenCV有助于使用从0到360度的任意角度旋转图像。

检查以下代码以将图像旋转180度。

importcv2ascv
importmatplotlib.pyplotasplt
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还提供了除我们到目前为止讨论的功能之外的其他功能。除此之外，它还有助于人脸检测、图像分割、特征提取、目标检测、三维重建等。

有关更多信息，请查看官方文档：https://opencv.org/

二、Scikit-Image

Scikit Image是另一个伟大的开源图像处理库。它几乎适用于任何计算机视觉任务。它是最简单、最直接的库之一。这个库的某些部分是用Cython编写的（它是python编程语言的超集，旨在使python比C语言更快）。

它提供了大量的算法，包括分割、颜色空间操作、几何变换、滤波、形态学、特征检测等。

Scikit Image使用Numpy数组作为图像对象。让我们看看如何在scikit图像中执行活动轮廓操作。活动轮廓描述图像中形状的边界。

检查以下活动轮廓操作代码：

importnumpyasnp
importmatplotlib.pyplotasplt
fromskimage.colorimportrgb2gray
fromskimageimportdata
fromskimage.filtersimportgaussian
fromskimage.segmentationimportactive_contour
image=data.astronaut()
#Dataforcircularboundary
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
#formationoftheactivecontour
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("OriginalImage")
ax[1].imshow(image,cmap=plt.cm.gray)

有关更多信息，请查看官方文档：https://scikit-image.org/docs/stable/auto_examples/

三、Scipy

SciPy主要用于数学和科学计算，但有时也可以使用子模块SciPy.ndimage用于基本的图像操作和处理任务。

归根结底，图像只是多维数组，SciPy提供了一组用于操作n维Numpy操作的函数。SciPy提供了一些基本的图像处理操作，如人脸检测、卷积、图像分割、读取图像、特征提取等。

除此之外，还可以执行过滤，在图像上绘制轮廓线。

请检查以下代码以使用SciPy模糊图像：

fromscipyimportndimage,misc
frommatplotlibimportpyplotasplt
f=misc.face()
b_face=ndimage.gaussian_filter(f,sigma=3)
figure,axis=plt.subplots(1,2,figsize=(16,8))