python可以用来处理图像吗

1. python可以用来处理图像吗

图像是理解世界的重要载之一，我们可以靠眼睛去发现！那没有眼睛的计算机是怎样看到并处理图像的？这次我们用Python编程语言进行实操，带你了解图像的基本知识、一起用Python进行编程。持续关注我，知识不断档。

2. Python图像处理

创建一个简单的图像与图像混合
1.1 在Image模块中，提供了创建图像的方法。主要是通过**Image.new(mode, size, color)**实现，该方法传入三个参数：
mode：图像的创建模式
size：图像的大小
color：图像的颜色
用该方法可以创建一个简单的图像，之后我们可以通过save方法将图像保存：
1.2生成图片如下
1.3 图像混合
 透明度混合
透明度混合主要是使用**Image中的blend(im1, im2, alpha)**方法，对该方法的解释如下：
im1：Image对象，在混合的过程中，透明度设置为（1-apha）
im2：Image对象，在混合的过程中，透明度设置为（apha）
alpha：透明度，取值是0-1。当透明度为0是，显示im1对象；当透明度为1时，显示im2对象
代码实现如下
1.4原图和混合图的对比
1.5 遮罩混合
 通过Image.composite(im1, im2, mask)方法实现遮罩混合。三个参数都是Image对象，该方法的作用就是使用mask来混合im1和im2。
1.6im1、im2和遮罩混合效果对比如下

3. 常用的十大python图像处理工具

原文标题：10 Python image manipulation tools. 
作者 | Parul Pandey 
翻译 | 安其罗乔尔、JimmyHua 
今天，在我们的世界里充满了数据，图像成为构成这些数据的重要组成部分。但无论是用于何种用途，这些图像都需要进行处理。图像处理就是分析和处理数字图像的过程，主要旨在提高其质量或从中提取一些信息，然后可以将其用于某种用途。 
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。Python成为这种图像处理任务是一个恰当选择，这是因为它作为一种科学编程语言正在日益普及，并且在其生态系统中免费提供许多最先进的图像处理工具供大家使用。 
让我们看一下可以用于图像处理任务中的常用 Python 库有哪些吧。 
 
1.scikit-image 
scikit-image是一个开源的Python包，适用于numpy数组。它实现了用于研究，教育和工业应用的算法和实用工具。即使是那些刚接触Python生态系统的人，它也是一个相当简单直接的库。此代码是由活跃的志愿者社区编写的，具有高质量和同行评审的性质。 
资源 
文档里记录了丰富的例子和实际用例，阅读下面的文档： 
http://scikit-image.org/docs/stable/user_guide.html 
用法 
该包作为skimage导入，大多数功能都在子模块中找的到。下面列举一些skimage的例子： 
图像过滤 
  
使用match_template函数进行模板匹配 
 
你可以通过此处查看图库找到更多示例。 
2. Numpy 
Numpy是Python编程的核心库之一，并为数组提供支持。图像本质上是包含数据点像素的标准Numpy数组。因此，我们可以通过使用基本的NumPy操作，例如切片、掩膜和花式索引，来修改图像的像素值。可以使用skimage加载图像并使用matplotlib显示图像。 
资源 
Numpy的官方文档页面提供了完整的资源和文档列表： 
http://www.numpy.org/ 
用法 
使用Numpy来掩膜图像. 
  
3.Scipy 
scipy是Python的另一个类似Numpy的核心科学模块，可用于基本的图像操作和处理任务。特别是子模块scipy.ndimage，提供了在n维NumPy数组上操作的函数。该包目前包括线性和非线性滤波，二值形态学，B样条插值和对象测量等功能函数。 
资源 
有关scipy.ndimage包提供的完整功能列表，请参阅下面的链接： 
https://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.html#correlation-and-convolution 
用法 
使用SciPy通过高斯滤波器进行模糊： 
  
4. PIL/ Pillow 
PIL( Python图像库 )是Python编程语言的一个免费库，它支持打开、操作和保存许多不同的文件格式的图像。然而， 随着2009年的最后一次发布，它的开发停滞不前。但幸运的是还有有Pillow，一个PIL积极开发的且更容易安装的分支，它能运行在所有主要的操作系统，并支持Python3。这个库包含了基本的图像处理功能，包括点运算、使用一组内置卷积核的滤波和色彩空间的转换。 
资源 
文档中有安装说明，以及涵盖库的每个模块的示例： 
https://pillow.readthedocs.io/en/3.1.x/index.html 
用法 
在 Pillow 中使用 ImageFilter 增强图像： 
  
5. OpenCV-Python 
OpenCV( 开源计算机视觉库 )是计算机视觉应用中应用最广泛的库之一 。OpenCV-Python 是OpenCV的python版API。OpenCV-Python的优点不只有高效，这源于它的内部组成是用C/C++编写的，而且它还容易编写和部署（因为前端是用Python包装的）。这使得它成为执行计算密集型计算机视觉程序的一个很好的选择。 
资源 
OpenCV-Python-Guide指南可以让你使用OpenCV-Python更容易： 
https://github.com/abidrahmank/OpenCV2-Python-Tutorials 
用法 
下面是一个例子，展示了OpenCV-Python使用金字塔方法创建一个名为“Orapple”的新水果图像融合的功能。 
 
6. SimpleCV 
SimpleCV 也是一个用于构建计算机视觉应用程序的开源框架。有了它，你就可以访问几个高性能的计算机视觉库，如OpenCV，而且不需要先学习了解位深度、文件格式、颜色空间等。 
它的学习曲线大大小于OpenCV，正如它们的口号所说“计算机视觉变得简单”。一些支持SimpleCV的观点有： 
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、图像和视频流都是可互操作的资源 
官方文档非常容易理解，而且有大量的例子和使用案例去学习： 
https://simplecv.readthedocs.io/en/latest/ 
用法 
 
7. Mahotas 
Mahotas 是另一个计算机视觉和图像处理的Python库。它包括了传统的图像处理功能例如滤波和形态学操作以及更现代的计算机视觉功能用于特征计算，包括兴趣点检测和局部描述符。该接口是Python语言，适合于快速开发，但是算法是用C语言实现的，并根据速度进行了调优。Mahotas库速度快，代码简洁，甚至具有最小的依赖性。通过原文阅读它们的官方论文以获得更多的了解。 
资源 
文档包括安装指导，例子，以及一些教程，可以更好的帮助你开始使用mahotas。 
https://mahotas.readthedocs.io/en/latest/install.html 
用法 
Mahotas库依赖于使用简单的代码来完成任务。关于‘Finding Wally’的问题，Mahotas做的很好并且代码量很少。下面是源码： 
https://mahotas.readthedocs.io/en/latest/wally.html 
  
8. SimpleITK 
ITK 或者 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套广泛的图像分析软件工具 。其中, SimpleITK是建立在ITK之上的简化层，旨在促进其在快速原型设计、教育、解释语言中的应用。SimpleITK 是一个图像分析工具包，包含大量支持一般过滤操作、图像分割和匹配的组件。SimpleITK本身是用C++写的，但是对于包括Python以内的大部分编程语言都是可用的。 
资源 
大量的Jupyter Notebooks 表明了SimpleITK在教育和研究领域已经被使用。Notebook展示了用Python和R编程语言使用SimpleITK来进行交互式图像分析。 
http://insightsoftwareconsortium.github.io/SimpleITK-Notebooks/ 
用法 
下面的动画是用SimpleITK和Python创建的刚性CT/MR匹配过程的可视化 。点击此处可查看源码！ 
 
9. pgmagick 
pgmagick是GraphicsMagick库的一个基于python的包装。 GraphicsMagick图像处理系统有时被称为图像处理的瑞士军刀。它提供了一个具有强大且高效的工具和库集合，支持以88种主要格式(包括重要格式，如DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM和TIFF)读取、写入和操作图像。 
资源 
有一个专门用于PgMagick的Github库 ，其中包含安装和需求说明。还有关于这个的一个详细的用户指导： 
https://github.com/hhatto/pgmagick 
用法 
使用pgmagick可以进行的图像处理活动很少，比如： 
图像缩放 
 
边缘提取 
 
10. Pycairo 
Pycairo是图像处理库cairo的一组Python捆绑。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转换时不会失去清晰度 。Pycairo是cairo的一组绑定，可用于从Python调用cairo命令。 
资源 
Pycairo的GitHub库是一个很好的资源，有关于安装和使用的详细说明。还有一个入门指南，其中有一个关于Pycairo的简短教程。 
库：https://github.com/pygobject/pycairo指南：https://pycairo.readthedocs.io/en/latest/tutorial.html用法 
使用Pycairo绘制线条、基本形状和径向梯度： 
 
总结 
有一些有用且免费的Python图像处理库可以使用，有的是众所周知的，有的可能对你来说是新的，试着多去了解它们。

4. Python如何图像识别？

1. 简介。
图像处理是一门应用非常广的技术，而拥有非常丰富第三方扩展库的 Python 当然不会错过这一门盛宴。PIL （Python Imaging Library）是 Python 中最常用的图像处理库，目前版本为 1.1.7，我们可以 在这里 下载学习和查找资料。
Image 类是 PIL 库中一个非常重要的类，通过这个类来创建实例可以有直接载入图像文件，读取处理过的图像和通过抓取的方法得到的图像这三种方法。
2. 使用。
导入 Image 模块。然后通过 Image 类中的 open 方法即可载入一个图像文件。如果载入文件失败，则会引起一个 IOError ；若无返回错误，则 open 函数返回一个 Image 对象。现在，我们可以通过一些对象属性来检查文件内容，即：
1 >>> import Image2  >>> im = Image.open("j.jpg")3  >>> print im.format, im.size, im.mode4 JPEG (440, 330) RGB
这里有三个属性，我们逐一了解。
format : 识别图像的源格式，如果该文件不是从文件中读取的，则被置为 None 值。
size : 返回的一个元组，有两个元素，其值为象素意义上的宽和高。
mode : RGB（true color image），此外还有，L（luminance），CMTK（pre-press image）。
现在，我们可以使用一些在 Image 类中定义的方法来操作已读取的图像实例。比如，显示最新载入的图像：
1 >>>im.show()2  >>>
输出原图：

3. 函数概貌。
3.1    Reading and Writing Images : open( infilename ) , save( outfilename )
3.2    Cutting and Pasting and Merging Images :
crop() : 从图像中提取出某个矩形大小的图像。它接收一个四元素的元组作为参数，各元素为（left, upper, right, lower），坐标系统的原点（0, 0）是左上角。
paste() : 
merge() :

1 >>> box = (100, 100, 200, 200)2  >>> region = im.crop(box)3  >>> region.show()4  >>> region = region.transpose(Image.ROTATE_180)5  >>> region.show()6  >>> im.paste(region, box)7  >>> im.show()

其效果图为：

旋转一幅图片：

1 def roll(image, delta):2     "Roll an image sideways"34     xsize, ysize = image.size56     delta = delta % xsize7     if delta == 0: return image89     part1 = image.crop((0, 0, delta, ysize))10     part2 = image.crop((delta, 0, xsize, ysize))11     image.paste(part2, (0, 0, xsize-delta, ysize))12     image.paste(part1, (xsize-delta, 0, xsize, ysize))1314     return image

3.3    几何变换。
3.3.1    简单的几何变换。

1 >>>out = im.resize((128, 128))                     #2  >>>out = im.rotate(45)                             #逆时针旋转 45 度角。3  >>>out = im.transpose(Image.FLIP_LEFT_RIGHT)       #左右对换。4  >>>out = im.transpose(Image.FLIP_TOP_BOTTOM)       #上下对换。5  >>>out = im.transpose(Image.ROTATE_90)             #旋转 90 度角。6  >>>out = im.transpose(Image.ROTATE_180)            #旋转 180 度角。7 >>>out = im.transpose(Image.ROTATE_270)            #旋转 270 度角。

各个调整之后的图像为：
图片1：
图片2：
图片3：
图片4：
3.3.2    色彩空间变换。
convert() : 该函数可以用来将图像转换为不同色彩模式。
3.3.3    图像增强。
Filters : 在 ImageFilter 模块中可以使用 filter 函数来使用模块中一系列预定义的增强滤镜。
1 >>> import ImageFilter2 >>> imfilter = im.filter(ImageFilter.DETAIL)3 >>> imfilter.show()
3.4    序列图像。
即我们常见到的动态图，最常见的后缀为 .gif ，另外还有 FLI / FLC 。PIL 库对这种动画格式图也提供了一些基本的支持。当我们打开这类图像文件时，PIL 自动载入图像的第一帧。我们可以使用 seek 和 tell 方法在各帧之间移动。

1 import Image2 im.seek(1)        # skip to the second frame34 try:5     while 1:6         im.seek( im.tell() + 1)7         # do something to im8 except EOFError:9     pass

3.5    更多关于图像文件的读取。
最基本的方式：im = Image.open("filename")
类文件读取：fp = open("filename", "rb"); im = Image.open(fp)
字符串数据读取：import StringIO; im = Image.open(StringIO.StringIO(buffer))
从归档文件读取：import TarIO; fp = TarIo.TarIO("Image.tar", "Image/test/lena.ppm"); im = Image.open(fp)
基本的 PIL 目前就练习到这里。其他函数的功能可点击 这里 进一步阅读。

5. python处理图片数据？

生成一张纯色的图片
先设置图片的颜色，接着利用Image模块的new方法新生成一张图片，png格式的图片需要设置成rgba，类似的还有rgb，L(灰度图等)，尺寸设定为640，480，这个可以根据自己的情况设定，颜色同样如此。

批量生成图片
上面生成了一张图片，那要生成十张图片呢，这种步骤一样，只是颜色改变的，利用循环就可以解决。首先创建一个颜色列表，把要生成的图片颜色放进去。接着循环获取不同的颜色，保存的时候利用字符串拼接的方法改变图片的名字。

本地生成的图片

封装成函数
前面的方法已经可以批量生成图片了，为了通用性强一点，我们可以封装成函数，把哪些可以改变的参数单独抽离出来。尺寸也同样，使用的时候，可以根据自己的需要定义颜色列表和尺寸。当然还有加一些提示用语和报错兼容性，这里就不讲了。

本地生成的图片

6. 像这样的图像用Python或MATLAB该怎么处理

ImagePy 是一款基于 Python 的可扩展图像处理框架，可谓是 Python 版的 ImageJ，但设计更为精简，可以轻松接入 scipy, scikit-image, opencv 等任何基于 numpy 的图像处理库。
基于Python的超轻量级开源图像处理框架
简介：
支持bmp, rgb, png等常用图像格式
可以处理灰度图像和多通道（彩色）图像，支持图像栈（序列）操作
可以进行常用的各种数学运算，常用的滤波器操作
支持各种选区操作（点，线，面，多线，多面，镂空多边形）
可以进行像图像测量，以及像素统计
能够进行dem地表重建，图像序列的三维重建
支持宏录制，可接入scikit-image, opencv, itk等基于numpy的第三方库
获取： GitHub: yxdragon/imagepy: Image process framework based on plugin like imagej, it is esay to glue with skimage, opencv, mayavi...
1 $ git clone 安装：
安装 Python，Linux已经预装，Windows 到官网下载安装依赖包 Numpy, Scipy, wxpython [opencv, scikit-image, mayavi]Ubuntu:
1 $ apt-get install python-numpy2 $ apt-get install python-scipy3 $ apt-get install python-wxpythonWindows:你可以从这里获取 Numpy, Scipy, wxpython 等二进制文件(whl)然后依次用pip进行安装
1 $ python -m pip install your_filen_ame.whl运行： 进入克隆下来的项目主目录，运行main.py脚本文件, 你将会看到如下的主界面。
ImagePy 能做什么？
以下仅仅列举 ImagePy 的一小部分功能：
细胞计数
图像匹配
地表重建
三维重建