图像处理

原文地址： https://cloud.tencent.com/developer/article/1498116 译者 | 小韩 来源 | towardsdatascience 【磐创AI导读】：本篇文章为大家介绍了十个python图像处理工具，希望对大家有所帮助。想要获取更多的机器学习、深度学习资源，欢迎大家点击上方蓝字关注我们的公众号：磐创AI。 介绍 如今的世界存在了大量的数据，图像数据是重要的组成部分。如果要利用这些图片，需要对图像进行处理，提高图片质量或提取图片内容信息。 图像处理的常见操作包括图像显示，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是图像处理的合适选择，因为它作为一种科学编程语言日益普及，并且提供了许多免费实用的图像处理工具。 下面将介绍10个用于图像处理的python库，它们在处理图像等方面都提供了简单方便的方法。 1. scikit Image scikit-image(https://scikit-image.org/)是一个与numpy一起使用的开源Python工具。它实现了用于研究，教育和行业应用的算法和实用程序。即使是刚接触Python的人也可以轻松使用。它的代码由活跃的志愿者编写，由高质量的同行进行评审。 资源 有完善的文档和丰富的示例(http://scikit-image.org/docs

作者：Hohohong 链接：https://www.jianshu.com/p/8d2d93c4229b 來源：简书 图像卷积滤波与高斯模糊 1.1 图像卷积滤波 对于滤波来说，它可以说是图像处理最基本的方法，可以产生很多不同的效果。以下图来说 图中矩阵分别为二维原图像素矩阵，二维的图像滤波矩阵（也叫做卷积核，下面讲到滤波器和卷积核都是同个概念），以及最后滤波后的新像素图。对于原图像的每一个像素点，计算它的领域像素和滤波器矩阵的对应元素的成绩，然后加起来，作为当前中心像素位置的值，这样就完成了滤波的过程了。 可以看到，一个原图像通过一定的卷积核处理后就可以变换为另一个图像了。而对于滤波器来说，也是有一定的规则要求的。 ① 滤波器的大小应该是奇数，这样它才有一个中心，例如3x3，5x5或者7x7。有中心了，也有了半径的称呼，例如5x5大小的核的半径就是2。 ② 滤波器矩阵所有的元素之和应该要等于1，这是为了保证滤波前后图像的亮度保持不变。当然了，这不是硬性要求了。 ③ 如果滤波器矩阵所有元素之和大于1，那么滤波后的图像就会比原图像更亮，反之，如果小于1，那么得到的图像就会变暗。如果和为0，图像不会变黑，但也会非常暗。 ④ 对于滤波后的结构，可能会出现负数或者大于255的数值。对这种情况，我们将他们直接截断到0和255之间即可。对于负数，也可以取绝对值。 1.2 卷积核一些用法

使用python来实现图像图片的处理可以使用pillow 模块，我们可以基于这个模块对图片进行我们想要进行的预处理 pip install pillow 示例一：图片格式的转换 from PIL import Image # def test(): # 打开读出图片 # image = Image.open("114.jpg") # 进行图像三色转换 # dispose_image = image.convert('RGB') # 规定图像的需要转换成的格式，后方为指定图片的转换格式 # dispose_image.save('dispose_image.jpg','jpeg') 示例二：对图片的比例进行调整，此例为减少图片尺寸 # def change_size(): # image = Image.open('114.jpg') # 得到我们想要的尺寸 # half_size = (image.size[0]/2,image.size[1]/2) # 使用iamege.thumbnail来设定我们想要的尺寸 # 滤波器对像素进行高质量的采集，这里用作改变图像的尺寸大小 # image.thumbnail(half_size,Image.ANTIALIAS) # 保存时需要指定存储格式 # image.save('change_size_iamge.jpg') 　　 来源：

PIL库是python语言第三方库，需要通过pip工具安装，安装库的名字是pillow。 　　PIL库支持图像存储，显示和处理，它能够处理几乎所有图片格式，可以完成对图像的缩放，裁剪，叠加以及向图像添加线条，图像和文字等操作。 　　　　功能需求： 图像归档：对图像进行批处理，生成图像预览，图像格式转换等。 图像处理：图像基本处理，像素处理，颜色处理等。　 PIL库Image类解析 　　导入方法：from PIL import Image 　　要加载一个图像文件，最简单的形式如下，之后所有操作对im起作用 from PIL import Image im=Image.open("H:\\谷歌下载\\b.jpg") 　　常用属性： format：源文件的文件格式。如果是由PIL创建的图像，则其文件格式为None。 mode：图像的模式。这个字符串表明图像所使用像素格式。该属性典型的取值为“1”，“L”，“RGB”或“CMYK”。 size：图像的尺寸，按照像素数计算。它的返回值为宽度和高度的二元组（width, height）。 palette：颜色调色板表格。如果图像的模式是“P”，则返回ImagePalette类的实例；否则，将为None。 　　微实例： from PIL import Image im=Image.open("H:\\谷歌下载\\b.jpg") print(im

用numpy处理图像： http://www.degeneratestate.org/posts/2016/Oct/23/image-processing-with-numpy/ 来源： https://www.cnblogs.com/Wiikk/p/11779531.html

最近公司上人工智能相关的图像识别项目，涉及到服务器算力估算，显卡选型问题，目前主流还是英伟达，下面就选取了官方图片能力说明，按此标准和预算来选择显卡 来源： https://www.cnblogs.com/mlwork/p/11777455.html

ABBYY PDF Transformer+ 这款 Ocr图文识别软件 提供多种图像处理选项，可提高源图像的质量，便于准确地识别光学字符。我们扫描纸质文档或从图像文件创建 PDF 时，务必选择合适的图像处理选项。而在ABBYY PDF Transformer+中包含下列图像处理选项。 识别文本 — 选择此选项会将文本层放在图像下方，生成的可搜索 PDF 文档看起来与原件完全相同。您将能够复制并标记 PDF 文档中的文本。 纠正失真的文本行、文档倾斜以及其他缺陷 — 选择此选项将导致程序在图像上运行多个图像增强例程。 视乎输入图像的类型，ABBYY PDF Transformer+ 将选择合适的图像增强机制，比如，歪斜纠正、梯形失真纠正或图像分辨率调整。 ·图像增强可能需要一段时间。 纠正页面方向 — 选择此选项将导致程序在扫描仪上检测页面方向。 为了实现最佳识别效果，页面应有标准方向，即，水平线条和字母应向上。 拆分对开页 — 选择此选项将导致以下问题：将书籍或杂志的任何两页拆分为两个独立的图像。 当您扫描书籍时，扫描的图像将通常包含两个相反的页面。为了获得最佳识别效果，程序将图像拆分为两个，为每个书籍页面创建一个独立的 PDF 页面。 此功能对中文和日文文本不起作用。 使用混合光栅内容 (MRC) 压缩 — 选择此选项将应用 MRC 压缩算法，这将大大减小文件大小

图像预处理 图像预处理有很多过程。这里只介绍函数。方便使用。 图像读取原始 tf.gfile.FastGFile().read() 图像格式的编码解码 ：图像不直接记录图像上的不同位置，不同颜色的亮度。而是记录压缩编码之后的结果。所以要还原成三维矩阵，需要解码。 tf.image.decode_jpeg() tf.image.encode_jpeg() 转换函数 tf.image.convert_image_dtype 图像大小调整 tf.image.resize_images(image,[size],method) method 0:双线性插值 1:最近邻居法 2: 双三次插值法 3:面积差值法 tf.image.resize_image_with_crop_pad 自动裁剪或者填充 图像翻转 tf.image.flip_up_down() tf.image.filp_left_right() tf.image.transpose_image() 图像色彩调整 亮度调整tf.image.adjust_brightness(image,brightness) 随机亮度调整tf.image.random_brightness(image,max_delta) 同理调整，tf.image.adjust_contrast,tf.image.adjust_hue,tf.image.

画线 cv::line （LINE_4\LINE_8\LINE_AA） 画椭圆cv::ellipse 画矩形cv::rectangle 画圆cv::circle 画填充cv::fillPoly 画文字cv::putText #include "../common/common.hpp" static Mat bgImage; static void drawLines(); static void drawRectangle(); static void drawEllipse(); static void drawCircle(); static void drawPolygon(); static void drawRandomLine(); void main1_8(int argc, char** argv) { bgImage = imread(getCVImagesPath("images/test1.png"), IMREAD_COLOR); drawLines(); drawRectangle(); drawEllipse(); drawCircle(); drawPolygon(); //参数：Mat，文字(不识别中文?)，文字的位置(锚点?)，字体，缩放，颜色，线宽，线类型 putText(bgImage, "Hello OpenCV", Point(0,

图像处理――去除拍摄电子屏幕时产生的彩色波纹 1.中值滤波 1. ͼ1.1 图1.2 中值滤波GDI+代码如下 for (int x = 0; x < w - 1; x++) { for (int y = 0; y < h - 1; y++) { int n = 0; for (int col = -2; col <= 2; col++) { for (int row = -2; row <= 2; row++) { src->GetPixel(x + col, y + row, &color[n]); numR[n] = color[n].GetR(); numG[n] = color[n].GetG(); numB[n] = color[n].GetB(); n++; } } qsort(numR, 25, sizeof(numR[0]), cmp); qsort(numG, 25, sizeof(numG[0]), cmp); qsort(numB, 25, sizeof(numB[0]), cmp); dest->SetPixel(x,y,Color(BYTE(numR[12]),BYTE(numG[12]),BYTE(numB[1]))); } } graph->DrawImage(dest, w+2, 0, w, h); int cmp(const void*a,