當今世界充滿了各種數據，而圖像是其中高的重要組成部分。然而，若想其有所應用，我們需要對這些圖像進行處理。圖像處理是分析和操縱數字圖像的過程，旨在提高其質量或從中提取一些信息，然后將其用于某些方面。

圖像處理中的常見任務包括顯示圖像，基本操作（如裁剪、翻轉、旋轉等），圖像分割，分類和特征提取，圖像恢復和圖像識別等。Python 之成為圖像處理任務的最佳選擇，是因為這一科學編程語言日益普及，并且其自身免費提供許多最先進的圖像處理工具。

讓我們看一下用于圖像處理任務的一些常用 Python 庫。

1、scikit Image

scikit-image 是一個基于 numpy 數組的開源 Python 包。 它實現了用于研究、教育和工業應用的算法和實用程序。 即使是對于那些剛接觸 Python 的人，它也是一個相當簡單的庫。 此庫代碼質量非常高并已經過同行評審，是由一個活躍的志愿者社區編寫的。

用法舉例：圖像過濾、模版匹配。

可使用“skimage”來導入該庫。大多數功能都能在子模塊中找到。  

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')

模版匹配（使用 match_template 函數）

2、Numpy

Numpy 是 Python 編程的核心庫之一，支持數組結構。 圖像本質上是包含數據點像素的標準 Numpy 數組。 因此，通過使用基本的 NumPy 操作——例如切片、脫敏和花式索引，可以修改圖像的像素值。 可以使用 skimage 加載圖像并使用 matplotlib 顯示。

用法舉例：使用 Numpy 來對圖像進行脫敏處理：

import numpy as np
from skimage import data
import matplotlib.pyplot as plt
%matplotlib inline
image = data.camera()
type(image)
numpy.ndarray #Image is a numpy array
mask = image < 87
image[mask]=255
plt.imshow(image, cmap='gray')

3、Scipy

scipy 是 Python 的另一個核心科學模塊，就像 Numpy 一樣，可用于基本的圖像處理和處理任務。值得一提的是，子模塊 scipy.ndimage 提供了在 n 維 NumPy 數組上運行的函數。 該軟件包目前包括線性和非線性濾波、二進制形態、B 樣條插值和對象測量等功能。

用法舉例：使用 SciPy 的高斯濾波器對圖像進行模糊處理：

from scipy import misc,ndimage
face = misc.face()
blurred_face = ndimage.gaussian_filter(face, sigma=3)
very_blurred = ndimage.gaussian_filter(face, sigma=5)
#Results
plt.imshow(<image to be displayed>)

4、PIL/ Pillow

PIL (Python Imaging Library) 是一個免費的 Python 編程語言庫，它增加了對打開、處理和保存許多不同圖像文件格式的支持。 然而，它的發展停滯不前，其最后一次更新還是在 2009 年。幸運的是， PIL 有一個正處于積極開發階段的分支 Pillow，它非常易于安裝。Pillow 能在所有主要操作系統上運行并支持 Python 3。該庫包含基本的圖像處理功能，包括點操作、使用一組內置卷積內核進行過濾以及顏色空間轉換。

用法舉例：使用 ImageFilter 增強 Pillow 中的圖像：

from PIL import Image, ImageFilter
#Read image
im = Image.open( 'image.jpg' )
#Display image
im.show()
from PIL import ImageEnhance
enh = ImageEnhance.Contrast(im)
enh.enhance(1.8).show("30% more contrast")

5、OpenCV-Python

OpenCV（開源計算機視覺庫，Open Source Computer Vision Library）是計算機視覺應用中使用最廣泛的庫之一。OpenCV-Python 是 OpenCV 的 python API。OpenCV-Python 不僅速度快（因為后臺由用 C / C ++ 編寫的代碼組成），也易于編碼和部署（由于前端的 Python 包裝器）。 這使其成為執行計算密集型計算機視覺程序的絕佳選擇。

用法舉例：使用 Pyramids 創建一個名為'Orapple'的新水果的功能

6、SimpleCV

SimpleCV 也是用于構建計算機視覺應用程序的開源框架。 通過它可以訪問如 OpenCV 等高性能的計算機視覺庫，而無需首先了解位深度、文件格式或色彩空間等。學習難度遠遠小于 OpenCV，并且正如他們的標語所說，“ 它使計算機視覺變得簡單 ”。支持 SimpleCV 的一些觀點是：

•  即使是初學者也可以編寫簡單的機器視覺測試
  
•  攝像機、視頻文件、圖像和視頻流都可以交互操作
  

用法舉例

7、Mahotas

Mahotas 是另一個用于 Python 的計算機視覺和圖像處理庫。 它包含傳統的圖像處理功能（如濾波和形態學操作）以及用于特征計算的更現代的計算機視覺功能（包括興趣點檢測和局部描述符）。 該接口使用 Python，適用于快速開發，但算法是用 C++ 實現的，并且針對速度進行了優化。Mahotas 庫運行很快，它的代碼很簡單，（對其它庫的）依賴性也很小。 建議閱讀他們的官方文檔以了解更多內容。

用法舉例

Mahotas 庫使用簡單的代碼來完成工作。 對于“ 尋找 Wally ”的問題，Mahotas 完成的得很好，而且代碼量非常小。

8、SimpleITK

ITK (Insight Segmentation and Registration Toolkit) 是一個開源的跨平臺系統，為開發人員提供了一整套用于圖像分析的軟件工具。 其中， SimpleITK 是一個建立在 ITK 之上的簡化層，旨在促進其在快速原型設計、教育以及腳本語言中的使用。SimpleITK 是一個包含大量組件的圖像分析工具包，支持一般的過濾操作、圖像分割和配準。SimpleITK 本身是用 C++ 編寫的，但可用于包括 Python 在內的大量編程語言。

這里有大量說明了如何使用 SimpleITK 進行教育和研究活動的 Jupyter notebook。notebook 中演示了如何使用 SimpleITK 進行使用 Python 和 R 編程語言的交互式圖像分析。

用法舉例

下面的動畫是使用 SimpleITK 和 Python 創建的可視化的嚴格 CT / MR 配準過程。

9、pgmagick

pgmagick 是 GraphicsMagick 庫基于 Python 的包裝器。GraphicsMagick 圖像處理系統有時被稱為圖像處理的瑞士軍刀。它提供了強大而高效的工具和庫集合，支持超過 88 種主要格式圖像的讀取、寫入和操作，包括 DPX，GIF，JPEG，JPEG-2000，PNG，PDF，PNM 和 TIFF 等重要格式。

用法舉例：圖片縮放、邊緣提取

圖片縮放

邊緣提取

10、Pycairo

Pycairo 是圖形庫 cairo 的一組 python 綁定。Cairo 是一個用于繪制矢量圖形的 2D 圖形庫。 矢量圖形很有趣，因為它們在調整大小或進行變換時不會降低清晰度。Pycairo 庫可以從 Python 調用 cairo 命令。

用法：Pycairo 可以繪制線條、基本形狀和徑向漸變。

以上就是一些免費的優秀圖像處理 Python 庫。有些很知名，你可能已經知道或者用過，有些可能對你來說還是新的。那正好現在就上手操作一下，試一試吧！