CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Python中的十大图像处理工具(小结)由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

python之成为图像处理任务的最佳选择，是因为这一科学编程语言日益普及，并且其自身免费提供许多最先进的图像处理工具。本文主要介绍了一些简单易懂最常用的python图像处理库.

当今世界充满了各种数据，而图像是其中高的重要组成部分。然而，若想其有所应用，我们需要对这些图像进行处理。图像处理是分析和操纵数字图像的过程，旨在提高其质量或从中提取一些信息，然后将其用于某些方面.

图像处理中的常见任务包括显示图像，基本操作(如裁剪、翻转、旋转等)，图像分割，分类和特征提取，图像恢复和图像识别等。 python之成为图像处理任务的最佳选择，是因为这一科学编程语言日益普及，并且其自身免费提供许多最先进的图像处理工具.

让我们看一下用于图像处理任务的一些常用python库.

1. scikit image 。

scikit-image是一个基于numpy数组的开源python包。 它实现了用于研究、教育和工业应用的算法和实用程序。 即使是对于那些刚接触python的人，它也是一个相当简单的库。 此库代码质量非常高并已经过同行评审，是由一个活跃的志愿者社区编写的.

使用说明文档：https://scikit-image.org/docs/stable/user_guide.html 。

用法举例：图像过滤、模版匹配 。

可使用“skimage”来导入该库。大多数功能都能在子模块中找到.

模版匹配(使用match_template函数) 。

gallery上还有更多例子.

https://scikit-image.org/docs/dev/auto_examples/ 。

2. numpy 。

numpy是python编程的核心库之一，支持数组结构。 图像本质上是包含数据点像素的标准numpy数组。 因此，通过使用基本的numpy操作——例如切片、脱敏和花式索引，可以修改图像的像素值。 可以使用skimage加载图像并使用matplotlib显示.

使用说明文档：http://www.numpy.org/ 。

用法举例：使用numpy来对图像进行脱敏处理 。

3. scipy 。

scipy是python的另一个核心科学模块，就像numpy一样，可用于基本的图像处理和处理任务。值得一提的是，子模块scipy.ndimage提供了在n维numpy数组上运行的函数。 该软件包目前包括线性和非线性滤波、二进制形态、b样条插值和对象测量等功能.

使用说明文档:

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

用法举例：使用scipy的高斯滤波器对图像进行模糊处理 。

4. pil/ pillow 。

pil (python imaging library)是一个免费的python编程语言库，它增加了对打开、处理和保存许多不同图像文件格式的支持。 然而，它的发展停滞不前，其最后一次更新还是在2009年。幸运的是， pil有一个正处于积极开发阶段的分支pillow，它非常易于安装。pillow能在所有主要操作系统上运行并支持python 3。该库包含基本的图像处理功能，包括点操作、使用一组内置卷积内核进行过滤以及颜色空间转换.

使用说明文档：https://pillow.readthedocs.io/en/3.1.x/index.html 。

用法举例：使用imagefilter增强pillow中的图像 。

5. opencv-python 。

opencv( 开源计算机视觉库，open source computer vision library)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。 opencv-python不仅速度快(因为后台由用c / c ++编写的代码组成)，也易于编码和部署(由于前端的python包装器)。 这使其成为执行计算密集型计算机视觉程序的绝佳选择.

使用说明文档：https://github.com/abidrahmank/opencv2-python-tutorials 。

用法举例：使用pyramids创建一个名为'orapple'的新水果的功能 。

6. simplecv 。

simplecv也是用于构建计算机视觉应用程序的开源框架。 通过它可以访问如opencv等高性能的计算机视觉库，而无需首先了解位深度、文件格式或色彩空间等。学习难度远远小于opencv，并且正如他们的标语所说，“ 它使计算机视觉变得简单 ”。支持simplecv的一些观点是:

即使是初学者也可以编写简单的机器视觉测试 。

摄像机、视频文件、图像和视频流都可以交互操作 。

使用说明文档：https://simplecv.readthedocs.io/en/latest/ 。

用法举例 。

7. mahotas 。

mahotas是另一个用于python的计算机视觉和图像处理库。 它包含传统的图像处理功能(如滤波和形态学操作)以及用于特征计算的更现代的计算机视觉功能(包括兴趣点检测和局部描述符)。 该接口使用python，适用于快速开发，但算法是用c ++实现的，并且针对速度进行了优化。mahotas库运行很快，它的代码很简单，(对其它库的)依赖性也很小。 建议阅读他们的官方文档以了解更多内容.

使用说明文档:

https://mahotas.readthedocs.io/en/latest/install.html 。

用法举例 。

mahotas库使用简单的代码来完成工作。 对于“ 寻找wally ”的问题，mahotas完成的得很好，而且代码量非常小.

8. simpleitk 。

itk(insight segmentation and registration toolkit)是一个开源的跨平台系统，为开发人员提供了一整套用于图像分析的软件工具。 其中， simpleitk是一个建立在itk之上的简化层，旨在促进其在快速原型设计、教育以及脚本语言中的使用。simpleitk是一个包含大量组件的图像分析工具包，支持一般的过滤操作、图像分割和配准。 simpleitk本身是用c++编写的，但可用于包括python在内的大量编程语言.

使用说明文档：https://github.com/hhatto/pgmagick 。

这里有大量说明了如何使用simpleitk进行教育和研究活动的jupyter notebook。notebook中演示了如何使用simpleitk进行使用python和r编程语言的交互式图像分析.

用法举例:

下面的动画是使用simpleitk和python创建的可视化的严格ct / mr配准过程.

9. pgmagick 。

pgmagick是graphicsmagick库基于python的包装器。graphicsmagick 图像处理系统有时被称为图像处理的瑞士军刀。它提供了强大而高效的工具和库集合，支持超过88种主要格式图像的读取、写入和操作，包括dpx，gif，jpeg，jpeg-2000，png，pdf，pnm和tiff等重要格式.

使用说明文档：https://github.com/hhatto/pgmagick 。

用法举例：图片缩放、边缘提取 。

图片缩放 。

边缘提取 。

10. pycairo 。

pycairo是图形库cairo的一组python绑定。 cairo是一个用于绘制矢量图形的2d图形库。 矢量图形很有趣，因为它们在调整大小或进行变换时不会降低清晰度。pycairo库可以从python调用cairo命令.

使用说明文档：https://github.com/pygobject/pycairo 。

用法：pycairo可以绘制线条、基本形状和径向渐变 。

以上就是一些免费的优秀图像处理python库。有些很知名，你可能已经知道或者用过，有些可能对你来说还是新的。那正好现在就上手操作一下，试一试吧。希望对大家的学习有所帮助，也希望大家多多支持我.

原文链接：http://zhuanlan.51cto.com/art/201906/597624.htm 。

最后此篇关于Python中的十大图像处理工具(小结)的文章就讲到这里了,如果你想了解更多关于Python中的十大图像处理工具(小结)的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。