Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-03-10

1 <ul><li><a>Scikit-image</a></li>

2 <li><a>NumPy</a></li>

3 <li><a>SciPy</a></li>

4 <li><a>PIL, он же Pillow</a></li>

5 <li><a>OpenCV</a></li>

6 <li><a>SimpleCV</a></li>

7 <li><a>Mahotas</a></li>

8 <li><a>SimpleITK</a></li>

9 <li><a>Pgmagick</a></li>

10 <li><a>PyCairo</a></li>

11 <li><a>Вывод</a></li>

12 </ul>Статья представляет собой обзор наиболее популярныхPython-библиотек, предназначенных для простого и понятногопреобразования изображений(image).

13 Современный мир заполнен гигантскими объемами данных, причем существенная часть этих данных - изображения. Но чтобы работать с image, картинку надо сначала обработать. Под обработкой в данном случае подразумевается процесс анализа и технических операций, производимых с цифровым изображением в целях улучшения качества image либо извлечения информации, необходимой для последующего применения.

14 Общие задачи следующие:

15 <ul><li>кадрирование,</li>

16 <li>отражение,</li>

17 <li>сегментация,</li>

18 <li>вращение,</li>

19 <li>классификация,</li>

20 <li>восстановление,</li>

21 <li>извлечение признаков,</li>

22 <li>распознавание.</li>

23 </ul>Прекрасным средством для решения вышеописанных задач является язык программирования Python. Вдобавок к этому, данный язык программирования очень доступен, широко популярен и повсеместно применяется в качестве научно-технического языка. А раз так, то неудивительно, что внутри экосистемы Пайтона существует большое количество хороших инструментов, предназначенных для обработки image. Их и рассмотрим.

24 <h2>Scikit-image</h2>

25 Пакет для Питона, имеющий открытый исходный код и работающий с массивами <a>NumPy</a>. Позволяет реализовывать алгоритмы и утилиты с последующим их применением в научно-исследовательских, образовательных и даже промышленных программных приложениях. Пакет прост и понятен, с ним справятся даже новички. Код написан активным сообществом, реализован качественно и является рецензированным.

26 Также библиотека хорошо задокументирована, причем в<a>документации</a>можно найти много практических примеров.

27 Пакет импортируется как skimage, а большая часть функций располагается внутри подмодулей. На картинке ниже пример, каким путем можно выполнить фильтрацию изображений:

28 <h2>NumPy</h2>

29 Одна из основных и наиболее популярных Python-библиотек, которая поддерживает массивы. Изображение - это стандартныйNumPy-массив, который содержит пиксели точек данных. В результате в процессе выполнения основных NumPy-операций (срезов, масок, индексирования) есть возможность менять пиксельные значения изображения. Непосредственно image можно загрузить с помощю skimage либо отобразить через Matplotlib.

30 Все нужные ресурсы и документация есть на<a>официальном сайте</a>NumPy.

31 Вот каким путем можно выполнить маскировку image с помощью NumPy:

32 Как видим, распознать внешность человека с камерой теперь невозможно.

33 <h2>SciPy</h2>

34 SciPy- не менее важный научный модуль, сравнимый с NumPy. Он позволяет решать основные задачи по обработке изображений и не только. К примеру, в подмодуле <a>scipy.ndimage</a> есть функции, работающие в n-мерных NumPy-массивах. Текущий пакет содержит функции для линейной/нелинейной фильтрации, интерполяции В-сплайнами, бинарной морфологии и пр. Полный список функций лучше смотреть в <a>документации</a>.

35 Рассмотрим, как SciPy используется для размытия изображений посредством фильтра Гаусса:

36 <h2>PIL, он же Pillow</h2>

37 PIL - это Python Imaging Library и бесплатная библиотека, предназначенная для открытия, работы, а также сохранения разных форматов изображений. Неприятная новость заключается в том, что ее разработка остановилась, причем последнее обновление выходило в далеком 2009. Но есть и хорошая новость: существует <a>Pillow</a> - форк PIL, который активно развивается и характеризуется простой установкой. Pillow работает на основных ОС и поддерживает Python 3-й версии. Имеет базовый функционал методов для обработки изображений, в том числе точечные операции, преобразование цветового пространства, фильтры с набором ядер свертки и пр.

38 Примеры использования и процесс установки хорошо описаны в<a>документации</a>.

39 Улучшаем image через ImageFilter в Pillow:

40 from PIL import Image, ImageFilter

41 #считывание изображения

42 im = Image.open( 'image.jpg' )

43 #отображение изображения

44 im.show()

45 from PIL import ImageEnhance

46 enh = ImageEnhance.Contrast(im)

47 enh.enhance(1.8).show("30% more contrast")

48 <h2>OpenCV</h2>

49 Одна из наиболее популярных библиотек, которая используется при обработке приложений по компьютерному зрению (Computer Vision- популярнейшее сегодня направление и технология, используемая в системах управления процессами, системах видеонаблюдения с камер, системах дополненной реальности и т. д.). Версия интерфейса для Пайтона называется<a>OpenCV-Python</a>, и именно Python-обертка во фронтенде обеспечивает легкое развертывание и настройку. Отличный инструмент для высоконагруженных вычислительных программ, работа которых связана с Computer Vision. Руководство<a>здесь</a>.

50 На jpg-картинке ниже - пример наложения изображения посредством пирамид с целью создания нового фрукта.

51 <h2>SimpleCV</h2>

52 Очередной фреймворк с открытым исходным кодом, предназначенный для создания Computer Vision-приложений. С ним появляется доступ к ряду мощных CV-библиотек (к тому же OpenCV) без надобности изучения глубины цвета, цветовых пространств, файловых форматов и т. д. Кривая обучения гораздо меньше, чем в OpenCV, то есть основной слоган - "компьютерное зрение становится проще". Также среди преимуществ:

53 <ul><li>простые CV-тесты cмогут писать даже начинающие разработчики;</li>

54 <li>алгоритм работы обеспечивает функциональную совместимость не только с изображениями (images), но и с камерой (camera), видеофайлами, видеопотоками.</li>

55 </ul>А вот и понятная <a>документация</a>, где можно найти много практических примеров. Один из них - на фотографии ниже:

56 <h2>Mahotas</h2>

57 Очередная библиотека Python для обработки изображений и Computer Vision. Включает в себя как стандартные обрабатывающие функции (фильтрация, морфологические операции), так и более современные CV-возможности, позволяющие вычислять признаки и находить особые точки и локальные дескрипторы. Python-интерфейс обеспечивает высокую скорость разработки, а алгоритмы написаны на С++. В результате Mahotas представляет собой быструю библиотеку с минимальным кодом и зависимостями. В документации<a>по ссылке</a>можно найти инструкции по установке и даже пошаговые уроки по освоению.

58 Решение задач по поиску и обработке происходит с помощью простого кода. На картинке jpg ниже можно увидеть задачу по поиску под названием "Где Уолли?". Для выполнения поиска требуется минимум кода.

59 На рисунке ниже - результат поиска:

60 <h2>SimpleITK</h2>

61 ITK - кроссплатформенная система, которая предоставляет широкий набор средств по анализу image.SimpleITK - это упрощенный слой, который надстроен поверх ITK. Он облегчает работу с библиотекой и упрощает собой набор инструментов для выполнения анализа изображений, имеющих большое число компонентов, которые поддерживают общую фильтрацию, а также сегментацию и регистрацию изображений. SimpleITK написан на C++, однако доступен и для других языков, в том числе и Python.

62 Возможности SimpleITK можно посмотреть, к примеру, используя<a>Jupyter Notebook</a>. Там же демонстрируется интерактивный анализ изображений с применением языков Python и R.

63 На анимации ниже визуализирован процесс преобразования при регистрации КТ- и МРТ-снимков. Доступен и<a>исходный код</a>.

64 <h2>Pgmagick</h2>

65 Обертка для библиотекиGraphicsMagick- системы, которую порой называют "швейцарским ножом" в обработке image. Тут предоставляется коллекция эффективных библиотек и инструментов, которые поддерживают запись, чтение и операции с изображениями в десятках основных форматов (GIF, JPEG, PNG, PDF, TIFF и пр.). Есть подробное <a>руководство пользователя</a>и<a>ссылка на Github</a>.

66 На примерах ниже можно увидеть такие операции, как масштабирование изображения и выделение контуров:

67 <h2>PyCairo</h2>

68 Это уже комплект привязок Пайтон-кода для графической библиотеки <a>Cairo</a>. Последняя представляет собой 2D-библиотеку, предназначенную для прорисовки векторной графики. Сама по себе векторная графика интересна тем фактом, что она не теряет свою четкость в случае изменения размеров либо трансформации. Можно вызывать и Cairo-команды. Вводное руководство<a>здесь</a>.

69 Вот каким путем выполняется отрисовка линий, основных фигур и радиальных градиентов:

70 <h2>Вывод</h2>

71 Сегодня существует много бесплатных и полезных инструментов по обработке изображений в Python (GIF, JPEG, PNG, PDF, TIFF и пр.). Популярность и эффективность у этих инструментов разная. Именно поэтому рекомендуется поработать с несколькими из них, чтобы выбрать наиболее удобную и эффективную библиотеку, максимально подходящую для решения поставленных задач.

72 Также будет полезным повысить навыки программирования на Python:

73 <a></a><a>Источник</a>