Python 中常用的十大图像处理工具

导读：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。

一、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。

• 1.1 使用说明文档：

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

• 1.2 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。

    ```python
    import matplotlib.pyplot as plt
    %matplotlib inline
    from skimage import data,filters
    image = data.coins()
    # ... or any other NumPy array!
    edges = filters.sobel(image)
    plt.imshow(edges, cmap='gray')
    ```
  

  

• 1.3 用法举例：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/

二、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。

• 2.1 使用说明文档：

  http://www.numpy.org/

• 2.2 用法举例：使用Numpy来对图像进行脱敏处理

  import numpy as np
  	from skimage import data
  	import matplotlib.pyplot as plt
  	%matplotlib inline
  	image = data.camera()
  	type<