編集者による画像
今日の世界では、データはあらゆる業界で重要な役割を果たしています。 画像は、データを抽出するソースの XNUMX つです。 イメージはピクセルのマトリックスとして定義でき、各ピクセルはデータ値として扱うことができる色を表します。
画像処理は、任意の画像から基になるデータを明らかにするのに便利です。 画像からデータを抽出、操作、およびフィルタリングするのに役立ちます。 画像処理の主な目的は、画像から貴重な情報を明らかにすることです。
画像の鮮鋭化、画像の復元、パターン認識、ビデオ処理など、画像処理にはさまざまなアプリケーションがあります。ほとんどの画像処理アプリケーションは次のカテゴリに分類されます。 データ分析とデータサイエンス.
そして、データ分析に関して言えば、頭に浮かぶ唯一の言語は Python です。 また、豊富なライブラリ セットがあるため、画像処理に最も好まれる言語でもあります。これにより、開発者は単純なコード行を使用して複雑な操作を非常に簡単に実行できます。
主に画像処理に使用される Python ライブラリのいくつかを見てみましょう。
これは、画像を簡単に操作するのに役立つ最高の Python ライブラリのリストです。 それらはすべて使いやすく、画像から基になるデータを抽出できます。
1.OpenCV
OpenCV (オープン ソースのコンピューター ビジョン ライブラリ) が人気です。 Python データ視覚化ライブラリ. C++、Java、アセンブリ言語など、さまざまなプログラミング言語で利用できるオープンソース ライブラリです。
このライブラリは、Intel によって開発されました。 C ++プログラミング言語であり、リアルタイムのコンピューター ビジョン用に設計されています。 これは、計算量の多いコンピューター ビジョン プログラムの実行に最適です。
インストールを開始する
OpenCV はサードパーティのライブラリであるため、Python pip パッケージ マネージャー ツールを使用して Python 環境にインストールできます。
pip install opencv-python
例
# import opencv
import cv2 # Read the image
image = cv2.imread('tesla.png')
# grayscale the image
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) cv2.imshow('Original Image', image) cv2.imshow('Grayscale Image', gray_image)
cv2.waitKey(0) cv2.destroyAllWindows()
出力
2.枕（PIL）
枕 は、もう XNUMX つの一般的な Python 画像処理ライブラリです。 初心者なら誰でも始められる最も基本的な画像処理ライブラリです。 Python Imaging Library の略で、PIL としても知られています。
PIL ライブラリには、画像処理を実行するための強力で複雑な機能を提供するさまざまなファイル フォーマッタ拡張機能が付属しています。 PIL を OpenCV と比較すると、PIL は機能が少ない軽量のライブラリであり、画像処理の領域に入ったばかりの新しい Python 開発者にとって、学習と取り扱いが容易になります。
インストールを開始する
PIL はサードパーティのオープンソース ライブラリでもあり、次を使用してインストールできます。 ピップインストール
pip install pillow
例
Pillow を使用して Python で画像をグレースケールする
from PIL import Image with Image.open("tesla.png") as im: #show the original image im.show("Original Image") #convert into grayscale grayscaleImg = im.convert("L") #show the grayscale image grayscaleImg.show()
出力
3.シキット画像
シキット画像 科学的に傾いた Python 画像処理ライブラリです。 Numpy および Scipy ライブラリを使用して画像を処理するように設計されています。 セグメンテーション、色空間操作、分析、形態など、さまざまな科学的アルゴリズムが含まれています。このライブラリは、Python および C プログラミング言語を使用して記述されています。 Linux、macOS、Windows など、一般的なすべてのオペレーティング システムで使用できます。
インストール
scikit-image はオープンソース ライブラリであり、pip install コマンドを使用してインストールできます。
pip install scikit-image
例
scikit-image ライブラリを使用して画像をグレースケールする
from skimage import io
from skimage.color import rgb2gray # way to load car image from file
car = io.imread('tesla.png')[:,:,:3] #convert into grayscale
grayscale = rgb2gray(car) #show the original
io.imshow(car)
io.show() #show the grayscale
io.imshow(grayscale)
io.show()
出力
4. ナンパイ
NumPy 最も基本的な Python 科学計算ライブラリです。 Python で多次元配列や行列を導入したことで有名です。 科学計算専用ライブラリです。 さらに、配列、線形代数、基本的な統計演算、ランダム シミュレーション、論理ソート、検索、形状操作などの広範な数学的機能が付属しています。
インストールを開始する
再び NumPy をインストールするには、pip install コマンドを使用できます。
pip install numpy
例
numpy を使用して画像をグレースケールする
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg #load the original image
img_rgb = mpimg.imread('tesla.png')[...,:3] #show the original image
plt.imshow(img_rgb)
plt.show() #convert the image into grayscale
img_gray = np.dot(img_rgb,[0.299, 0.587, 0.144]) #show the grayscale image
plt.imshow(img_gray, cmap=plt.get_cmap('gray'))
plt.show()
出力
5.SciPy
Numpy と同様に、 SciPy 科学計算ライブラリでもあります。 NumPy ライブラリの拡張として構築されているため、Numpy よりも多くの機能を備えています。
Scipy は、高レベルで複雑なコマンドとクラスを提供します データ操作 およびデータの視覚化。 幅広いデータ処理ツールをカバーしています。 また、並列プログラミング、Web からのデータ アクセス、データ駆動型サブルーチン、およびその他の数学的機能もサポートしています。
インストールを開始する
SciPy ライブラリをインストールするには、Python パッケージ マネージャー CLI ツール pip を利用できます。
pip install scipy
例
scipy を使用して画像をグレースケールに変換する
from scipy import misc,ndimage
from matplotlib import pyplot as plt
import numpy as np
img=misc.face() #show original image
plt.imshow(img)
plt.show() #grayscale using gaussian blur filter
grayscale=ndimage.gaussian_filter(img,sigma=2) #show grayscale image
plt.imshow(grayscale)
plt.show()
出力
6.マホタス
マホタス は、さまざまな画像処理操作を実行できる、さらに別の Python コンピューター ビジョン ライブラリです。 C++ を使用して設計されており、画像処理速度を向上させるための多くのアルゴリズムが含まれています。 また、NumPy 配列を使用して行列で画像を使用します。 流域、凸点計算のヒット アンド ミス畳み込み、およびソーベル エッジは、このライブラリで利用可能な主な機能です。
インストールを開始する
Mahotas はオープンソース ライブラリであり、次のターミナル コマンドを使用してインストールできます。
pip install mahotas
例
Mahotas を使用して RGB イメージをグレースケールに変換する
import mahotas
from pylab import imshow, show #read the image
img = mahotas.imread('tesla.png') #show original image
imshow(img)
show() img = img[:, :, 0] grayscale = mahotas.overlay(img) #show grayscale image
imshow(grayscale)
show()
出力
7.SimpleITK
シンプルITK は、画像のレジストレーションとセグメンテーションのための強力なツールキットです。 の拡張として構築されています。 ITK ツールキット 簡素化されたインターフェイスを提供します。 Python、R、C++、Java、C#、Ruby、TCL、Lua などのさまざまなプログラミング言語で利用できます。
このライブラリは、2D、3D、および 4D 画像をサポートしています。 このライブラリの画像処理速度は、他の Python 画像操作ライブラリおよびフレームワークと比較して非常に高速です。
インストールを開始する
pip install SimpleITK
例
SimpleITK を使用して画像を読み込んで表示する
import SimpleITK as sitk
import matplotlib.pyplot as plt logo = sitk.ReadImage('tesla.png') # GetArrayViewFromImage returns an immutable numpy array view to the data.
plt.imshow(sitk.GetArrayViewFromImage(logo))
plt.show()
出力
8.Matplotlib
matplotlib データ視覚化ライブラリですが、画像処理ライブラリとしても使用できます。 通常は numpy 配列データをプロットするために使用されますが、NumPy 配列で表される画像データを読み取ることもできます。 上記のライブラリの Matplotlib ライブラリを使用して、画像を表示およびプロットしました。
インストールを開始する
Matplotlib は、次の簡単なコマンドを使用してインストールできます。
pip install matplotlib
例
# importing libraries.
import matplotlib.pyplot as plt
from PIL import Image # open image using pillow library
image = Image.open("tesla.png")
#show original image
plt.imshow(image)
plt.show() # grayscale the image
plt.imshow(image.convert("L"), cmap='gray')
plt.show()
出力
これで、最高の Python 画像操作ツールのリストを終了します。 これら XNUMX つのライブラリまたはツールの中で、最も使用されている Python 画像操作または処理ライブラリは、Pillow と OpenCV (特定のケースでは SimplICV) です。
オブジェクトの識別や色の操作など、画像処理に関連するプロジェクトの構築を考えている場合は、 OpenCVライブラリ 多くの高度な機能を備えた巨大なライブラリであるためです。 他のライブラリも一部の画像操作または処理機能をサポートしていますが、それほど効率的ではありません。
ビジェイ・シン・カトリ プログラミングとマーケティングを専門とするコンピューター サイエンスの卒業生。 私は技術記事を書いたり、新製品を作ったりするのがとても好きです。
- コインスマート。 ヨーロッパで最高のビットコインと暗号通貨取引所。ここをクリック
- Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
- 情報源： https://www.kdnuggets.com/2022/11/8-best-python-image-manipulation-tools.html?utm_source=rss&utm_medium=rss&utm_campaign=8-best-python-image-manipulation-tools
