介紹正如IDC所指出的，數(shù)字信息將飆升至175 ZB，而這些信息中的巨大一部分是圖片。數(shù)據(jù)科學(xué)家需要（預(yù)先）測(cè)量這些圖像，然后再將它們放入人工智能和深度學(xué)習(xí)模型中。在愉快的部分開(kāi)始之前，他們需要做重要的工作。為了快速地處理大量信息，科學(xué)家需要利用圖像準(zhǔn)備工具來(lái)完成人工智能和深度學(xué)習(xí)任務(wù)。在本文中，我將深入研究Python中最有用的圖像處理庫(kù)，這些庫(kù)正在人工智能和深度學(xué)習(xí)任務(wù)中得到大力利用。我們開(kāi)始吧！

目錄

OpenCV

Scikit－Image

Scipy

Python Image Library（Pillow／PIL）

Matplotlib

SimpleITK

Numpy

Mahotas

OpenCV

OpenCV是最著名和應(yīng)用最廣泛的開(kāi)源庫(kù)之一，用于圖像處理、目標(biāo)檢測(cè)、人臉檢測(cè)、圖像分割、人臉識(shí)別等計(jì)算機(jī)視覺(jué)任務(wù)。除此之外，它還可以用于機(jī)器學(xué)習(xí)任務(wù)。

這是英特爾在2002年開(kāi)發(fā)的。它是用C＋＋編寫的，但是開(kāi)發(fā)人員已經(jīng)提供了Python和java綁定。它易于閱讀和使用。

為了建立計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)模型，OpenCV有超過(guò)2500種算法。這些算法對(duì)于執(zhí)行各種任務(wù)非常有用，例如人臉識(shí)別、目標(biāo)檢測(cè)等。讓我們看一些可以使用OpenCV執(zhí)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(zhuǎn)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�；叶瓤s放的重要性包括降維（將3通道圖像轉(zhuǎn)換為單通道圖像）、降低模型復(fù)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(zhuǎn)圖像

OpenCV有助于使用從0到360度的任意角度旋轉(zhuǎn)圖像。檢查以下代碼以將圖像旋轉(zhuǎn)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(cè)、圖像分割、特征提取、目標(biāo)檢測(cè)、三維重建等。

Scikit－Image

Scikit Image是另一個(gè)偉大的開(kāi)源圖像處理庫(kù)。它幾乎適用于任何計(jì)算機(jī)視覺(jué)任務(wù)。它是最簡(jiǎn)單、最直接的庫(kù)之一。這個(gè)庫(kù)的某些部分是用Cython編寫的（它是python編程語(yǔ)言的超集，旨在使python比C語(yǔ)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(tài)學(xué)、特征檢測(cè)等。Scikit Image使用Numpy數(shù)組作為圖像對(duì)象。讓我們看看如何在scikit圖像中執(zhí)行活動(dòng)輪廓操作。活動(dòng)輪廓描述圖像中形狀的邊界。

檢查以下活動(dòng)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．a(chǎn)stronaut（）
＃ 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．a(chǎn)rray（［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）

Scipy

SciPy主要用于數(shù)學(xué)和科學(xué)計(jì)算，但有時(shí)也可以使用子模塊SciPy．ndimage用于基本的圖像操作和處理任務(wù)。歸根結(jié)底，圖像只是多維數(shù)組，SciPy提供了一組用于操作n維Numpy操作的函數(shù)。SciPy提供了一些基本的圖像處理操作，如人臉檢測(cè)、卷積、圖像分割、讀取圖像、特征提取等。除此之外，還可以執(zhí)行過(guò)濾，在圖像上繪制輪廓線。

請(qǐng)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））

Python Image Library （Pillow／PIL）

它是一個(gè)用于圖像處理任務(wù)的開(kāi)放源碼python庫(kù)。它提供了其他庫(kù)通常不提供的特殊功能，如過(guò)濾、打開(kāi)、操作和保存圖像。這個(gè)庫(kù)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(qiáng)。

庫(kù)更改圖像的清晰度：

Matplotlib

Matplotlib主要用于二維可視化，如散點(diǎn)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(qǐng)檢查以下圖像：

SimpleITK

它也稱為圖像分割和注冊(cè)工具包。它是一個(gè)用于圖像注冊(cè)和圖像分割的開(kāi)源庫(kù)。像OpenCV這樣的庫(kù)將圖像視為一個(gè)數(shù)組，但是這個(gè)庫(kù)將圖像視為空間中某個(gè)區(qū)域上的一組點(diǎn)。檢查以下示例：

圖像分割

Numpy

它是一個(gè)用于數(shù)值分析的開(kāi)放源碼python庫(kù)。它包含一個(gè)矩陣和多維數(shù)組作為數(shù)據(jù)結(jié)構(gòu)。但是NumPy也可以用于圖像處理任務(wù)，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(lán)色通道：

Mahotas

它是另一個(gè)用于計(jì)算機(jī)視覺(jué)和圖像處理的開(kāi)放源碼python庫(kù)。它是為生物信息學(xué)而設(shè)計(jì)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(gè)好的Python接口。它以NumPy數(shù)組讀取和寫入圖像。使用Mahotas檢查下面的模板匹配圖像：

結(jié)論

因此，在本文中，我們介紹了2021年機(jī)器學(xué)習(xí)用python中排名前8位的圖像處理庫(kù)。我希望你從這個(gè)博客中學(xué)到一些東西，對(duì)你的項(xiàng)目有益。