簡(jiǎn)介

計(jì)算機(jī)視覺(jué)是人工智能的一個(gè)分支，它處理圖像和視頻數(shù)據(jù)，以執(zhí)行各種任務(wù)，包括對(duì)象檢測(cè)、圖像分割和面部識(shí)別。

計(jì)算機(jī)視覺(jué)旨在讓計(jì)算機(jī)“看到”世界，就像人眼一樣。它涉及到使用計(jì)算機(jī)算法和技術(shù)來(lái)從圖像和視頻中提取有意義的信息。

計(jì)算機(jī)視覺(jué)廣泛應(yīng)用于各個(gè)領(lǐng)域，包括：

• 醫(yī)療保健：醫(yī)學(xué)圖像分析、疾病診斷、藥物發(fā)現(xiàn)
• 汽車：自動(dòng)駕駛、交通監(jiān)控、行人檢測(cè)
• 安全：面部識(shí)別、物體檢測(cè)、異常檢測(cè)

• 娛樂(lè)：圖像編輯、視頻游戲、視覺(jué)特效

計(jì)算機(jī)視覺(jué)的技術(shù)

計(jì)算機(jī)視覺(jué)涉及使用各種技術(shù)，包括：

• 圖像處理：對(duì)圖像進(jìn)行操作以增強(qiáng)或修改它們，例如亮度調(diào)整、對(duì)比度調(diào)整、噪聲去除。
• 特征提取：從圖像中識(shí)別和提取特定特征，例如邊緣、紋理和顏色。
• 圖像分類：將圖像分為預(yù)定義類別，例如“貓”、“狗”或“風(fēng)景”。

---

什么是計(jì)算機(jī)視覺(jué)

計(jì)算機(jī)視覺(jué)（Computer Vision）是指使用計(jì)算機(jī)進(jìn)行圖像和視頻的分析、理解、處理和識(shí)別的技術(shù)，也是人工智能領(lǐng)域的一個(gè)重要分支。 在這個(gè)過(guò)程中，計(jì)算機(jī)通過(guò)對(duì)數(shù)字圖像的處理，將人眼所感知的視覺(jué)轉(zhuǎn)化為計(jì)算機(jī)可以理解和處理的數(shù)字信息，實(shí)現(xiàn)從視覺(jué)信息到語(yǔ)義信息的轉(zhuǎn)換。

計(jì)算機(jī)視覺(jué)主要涉及三個(gè)方面：圖像獲取、圖像處理和圖像分析。 其中，圖像獲取是指通過(guò)攝像機(jī)獲取場(chǎng)景中的圖像；圖像處理則是利用計(jì)算機(jī)對(duì)圖像進(jìn)行去噪、增強(qiáng)、糾正畸變等操作，提高圖像質(zhì)量；圖像分析則是對(duì)處理后的圖像進(jìn)行對(duì)象檢測(cè)、目標(biāo)跟蹤、圖像分割、特征提取、三維重建等操作，從而實(shí)現(xiàn)對(duì)圖像的理解和識(shí)別。

計(jì)算機(jī)視覺(jué)在很多領(lǐng)域都有廣泛應(yīng)用。 例如，在安全監(jiān)控、交通管理、物流配送、醫(yī)療診斷、無(wú)人駕駛等領(lǐng)域，計(jì)算機(jī)視覺(jué)可以通過(guò)對(duì)圖像和視頻的處理和分析來(lái)實(shí)現(xiàn)自主決策和智能化控制，從而提高生產(chǎn)效率和安全性。 此外，在虛擬現(xiàn)實(shí)、游戲設(shè)計(jì)和圖像美學(xué)等領(lǐng)域，計(jì)算機(jī)視覺(jué)也扮演著重要的角色，通過(guò)對(duì)圖像和視頻進(jìn)行美化、增強(qiáng)和特效展現(xiàn)等操作，提供更優(yōu)質(zhì)的視覺(jué)體驗(yàn)。

機(jī)器人視覺(jué)系統(tǒng)中圖像分割技術(shù)傳統(tǒng)方法概論1

姓名：寇世文 學(xué)號(hào) 【嵌牛導(dǎo)讀】：隨著人工智能技術(shù)的不斷發(fā)展，智能機(jī)器人領(lǐng)域也得到了空前的發(fā)展。 尤其是深度神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于視覺(jué)系統(tǒng)中后，取得了許多很明顯的成效。 對(duì)于自主移動(dòng)機(jī)器人來(lái)說(shuō)，視覺(jué)系統(tǒng)有著十分重要的作用，而圖像分割技術(shù)更是在這個(gè)系統(tǒng)中擔(dān)任著十分重要的角色。 傳統(tǒng)的圖像分割技術(shù)基本上已經(jīng)能夠?qū)D像的前景和后景分隔開來(lái)，但是近年來(lái)隨著深度學(xué)習(xí)算法的發(fā)展，人們開始將其應(yīng)用到圖像分割中，提出了很多分割網(wǎng)絡(luò)，也達(dá)到了很好的分割效果。 在實(shí)現(xiàn)圖像分割的基礎(chǔ)上，人們還使得分割具有了語(yǔ)義類別和標(biāo)簽，就是現(xiàn)在的語(yǔ)義分割。 本文在介紹了語(yǔ)義分割的基礎(chǔ)上又引出了新的任務(wù)分割場(chǎng)景，實(shí)例分割和全景分割。 并且介紹了最近研究的熱點(diǎn)三維點(diǎn)云的語(yǔ)義分割問(wèn)題，闡述了其實(shí)現(xiàn)的必要性。 【嵌牛鼻子】智能機(jī)器人，圖像分割、語(yǔ)義分割、計(jì)算機(jī)視覺(jué) 【嵌牛提問(wèn)】圖像分割技術(shù)的傳統(tǒng)常見方法 【嵌牛正文】 一、引言 計(jì)算機(jī)視覺(jué)，即computer vision，就是通過(guò)計(jì)算機(jī)來(lái)模擬人的視覺(jué)工作原理，來(lái)獲取和完成一系列圖像信息處理的機(jī)器。 計(jì)算機(jī)視覺(jué)屬于機(jī)器學(xué)習(xí)在視覺(jué)領(lǐng)域的應(yīng)用，是一個(gè)多學(xué)科交叉的研究領(lǐng)域，其涉及數(shù)學(xué)、物理、生物、計(jì)算機(jī)工程等多個(gè)學(xué)科。 計(jì)算機(jī)視覺(jué)的主要應(yīng)用有無(wú)人駕駛、人臉識(shí)別、無(wú)人安防、車輛車牌識(shí)別、智能傳圖、3D重構(gòu)、VR/AR、智能拍照、醫(yī)學(xué)圖像處理、無(wú)人機(jī)、工業(yè)檢測(cè)等。 人駕駛又稱自動(dòng)駕駛，是目前人工智能領(lǐng)域一個(gè)比較重要的研究方向，讓汽車可以進(jìn)行自主駕駛，或者輔助駕駛員駕駛，提升駕駛操作的安全性。 人臉識(shí)別技術(shù)目前已經(jīng)研究得相對(duì)比較成熟，并在很多地方得到了應(yīng)用，且人臉識(shí)別準(zhǔn)確率目前已經(jīng)高于人眼的識(shí)別準(zhǔn)確率。 安防一直是我國(guó)比較重視的問(wèn)題，也是人們特別重視的問(wèn)題，在很多重要地點(diǎn)都安排有巡警巡查，在居民小區(qū)以及公司一般也都有保安巡查來(lái)確保安全。 車輛車牌識(shí)別目前已經(jīng)是一種非誠(chéng)成熟的技術(shù)了，高速路上的違章檢測(cè)，車流分析，安全帶識(shí)別，智能紅綠燈，還有停車場(chǎng)的車輛身份識(shí)別等都用到了車輛車牌識(shí)別。 3D重構(gòu)之前在工業(yè)領(lǐng)域應(yīng)用比較多，可以用于對(duì)三維物體進(jìn)行建模，方便測(cè)量出物體的各種參數(shù)，或者對(duì)物體進(jìn)行簡(jiǎn)單復(fù)制。 計(jì)算機(jī)視覺(jué)還有很多應(yīng)用，隨著技術(shù)的發(fā)展，應(yīng)用領(lǐng)域也會(huì)越來(lái)越多。 在工業(yè)領(lǐng)域的應(yīng)用，在機(jī)器人技術(shù)方面的應(yīng)用等。 對(duì)于傳統(tǒng)的圖像分割過(guò)程，通常可以分為5個(gè)步驟，即特征感知、圖像預(yù)處理、特征提取、特征篩選和推理預(yù)測(cè)與識(shí)別。 通過(guò)研究發(fā)現(xiàn)，在視覺(jué)的早期的發(fā)展過(guò)程中，人們對(duì)于圖像中的特征并沒(méi)有表現(xiàn)出足夠的關(guān)注。 且傳統(tǒng)的分割過(guò)程是把特征提取和分類分開來(lái)做的，等到需要輸出結(jié)果的時(shí)候再結(jié)合到一起，可想而知其實(shí)現(xiàn)的困難程度。 在深度學(xué)習(xí)算法出來(lái)之后，卷積神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)技術(shù)中，也因此衍生出了很多的研究方向。 深度學(xué)習(xí)主要是以特征為基礎(chǔ)來(lái)進(jìn)行比對(duì)，如在人臉識(shí)別方面，使用卷積神經(jīng)網(wǎng)絡(luò)分別對(duì)兩張人臉進(jìn)行不同位置的特征提取，然后再進(jìn)行相互比對(duì)，最后得到比對(duì)結(jié)果。 目前的計(jì)算機(jī)視覺(jué)的主要研究方向有圖像分類、目標(biāo)檢測(cè)、圖像分割、目標(biāo)跟蹤、圖像濾波與降噪、圖像增強(qiáng)、風(fēng)格化、三維重建、圖像檢索、GAN等。 本文主要是針對(duì)圖像分割這一領(lǐng)域，進(jìn)行簡(jiǎn)要的概述。 圖像分割技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域的個(gè)重要的研究方向，是圖像語(yǔ)義理解的重要一環(huán)。 圖像分割是指將圖像分成若干具有相似性質(zhì)的區(qū)域的過(guò)程，從數(shù)學(xué)角度來(lái)看，圖像分割是將圖像劃分成互不相交的區(qū)域的過(guò)程。 近些年來(lái)隨著深度學(xué)習(xí)技術(shù)的逐步深入，圖像分割技術(shù)有了突飛猛進(jìn)的發(fā)展，該技術(shù)相關(guān)的場(chǎng)景物體分割、人體前背景分割、人臉人體Parsing、三維重建等技術(shù)已經(jīng)在無(wú)人駕駛、增強(qiáng)現(xiàn)實(shí)、安防監(jiān)控等行業(yè)都得到廣泛的應(yīng)用。 二、發(fā)展現(xiàn)狀 近來(lái)已經(jīng)有很多學(xué)者將圖像分割技術(shù)應(yīng)用到移動(dòng)機(jī)器人的控制中，能夠做到在機(jī)器人運(yùn)動(dòng)的同時(shí)定位、構(gòu)建地圖并分割出不同的前景和后景，使視覺(jué)系統(tǒng)掃描到的圖像具有語(yǔ)義信息。 并有學(xué)者也致力于分割得更為準(zhǔn)確和精細(xì)，不僅能夠做到區(qū)分不同類的物體，也能夠?qū)崿F(xiàn)對(duì)同類的不同物體的分類，甚至可以做到在此基礎(chǔ)上加上對(duì)背景的分割。 由于我們生活的世界是三維空間，還有學(xué)者將圖像場(chǎng)景還原到三維中，然后使用相關(guān)方法對(duì)整個(gè)三維場(chǎng)景進(jìn)行分割。 作為計(jì)算機(jī)視覺(jué)的研究中的一個(gè)較為經(jīng)典的難題，圖像分割這一領(lǐng)域也越來(lái)越被人們所關(guān)注。 首先是傳統(tǒng)的圖像分割方法。 在傳統(tǒng)分割方面，人們使用數(shù)字圖像處理、拓?fù)鋵W(xué)、數(shù)學(xué)等方面的知識(shí)來(lái)進(jìn)行圖像分割。 雖然現(xiàn)在的算力逐漸增加且深度學(xué)習(xí)不斷發(fā)展，一些傳統(tǒng)的分割方法所取得的效果不如深度學(xué)習(xí)，但是其分割的思想仍有很多值得我們?nèi)W(xué)習(xí)的。 第一種方法是基于閾值的圖像分割方法。 這種方法的核心思想是想根據(jù)圖像的灰度特征來(lái)給出一個(gè)或多個(gè)灰度閾值，將此閾值作為一個(gè)標(biāo)準(zhǔn)值與圖像中的每個(gè)像素逐一進(jìn)行比較。 很容易想到，通過(guò)這個(gè)逐一比較過(guò)程能夠得到兩類結(jié)果，一類是灰度值大于閾值的像素點(diǎn)集，另一類是灰度值小于閾值的像素點(diǎn)集，從而很自然地將圖像進(jìn)行了分割。 所以，不難發(fā)現(xiàn)，此方法的最關(guān)鍵的一步就是按照一定的準(zhǔn)則函數(shù)來(lái)得到最佳灰度閾值，這樣才能夠得到合適的分類結(jié)果。 值得一提的是，如果圖像中需要分割的目標(biāo)和背景分別占據(jù)了不同的灰度值甚至是不同的等級(jí)，那使用這種方法會(huì)得到很好的效果。 并且，假如對(duì)于一張圖像的處理，我們只需要設(shè)定一個(gè)閾值時(shí)，可以將其稱為單閾值分割。 但是圖像中如果不止一個(gè)目標(biāo)，即有多個(gè)目標(biāo)需要進(jìn)行提取的時(shí)候，單一閾值分割就無(wú)法做到將它們都分割開來(lái)，此時(shí)應(yīng)選取多個(gè)閾值對(duì)其進(jìn)行處理，這個(gè)分割的過(guò)程為多閾值分割。 總的來(lái)說(shuō)，閾值分割法有著其獨(dú)特的特點(diǎn)，其計(jì)算簡(jiǎn)單、效率較高。 但是，由于這種方法只考慮的是單個(gè)像素的灰度值及其特征，而完全忽略了空間特征，這也就導(dǎo)致了其對(duì)噪聲比較敏感且魯棒性不高。 第二種方法是基于區(qū)域的圖像分割方法。 這種方法具有兩種基本形式：一種是區(qū)域生長(zhǎng)，這種分割方法是從單個(gè)像素出發(fā)，逐漸將相似的區(qū)域進(jìn)行合并，最終得到需要的區(qū)域。 另一種方法是直接從圖像的全局出發(fā)，一點(diǎn)一點(diǎn)逐步切割至所需要的區(qū)域。 區(qū)域生長(zhǎng)指的是，給定一組種子像素，其分別代表了不同的生長(zhǎng)區(qū)域，然后讓這些種子像素逐漸合并鄰域里符合條件的像素點(diǎn)。 如果有新的像素點(diǎn)添加進(jìn)來(lái)，同樣把它們作為種子像素來(lái)處理。 區(qū)域分裂合并的分割過(guò)程可以說(shuō)是區(qū)域生長(zhǎng)的逆過(guò)程，這種方法是從圖像的全局出發(fā)通過(guò)不斷分裂得到各個(gè)子區(qū)域，然后提取目標(biāo)的過(guò)程。 此外，在此過(guò)程中，還需要合并前景區(qū)域。 在區(qū)域分割方法中還有一種分水嶺算法。 受啟發(fā)于分水嶺的構(gòu)成，這種分割方法將圖像看作是測(cè)地學(xué)上的拓?fù)涞孛玻@樣圖像中每一個(gè)像素點(diǎn)對(duì)應(yīng)的海拔高度可以用該點(diǎn)的灰度值來(lái)表示。 分水嶺的形成過(guò)程實(shí)際上可以通過(guò)模擬浸入過(guò)程來(lái)實(shí)現(xiàn)。 具體做法是，在每個(gè)局部極小值的表面都刺穿一個(gè)小孔，然后把模型慢慢浸入水中，隨著水慢慢浸入其中，分水嶺就隨之形成了。 第三種方法是基于邊緣檢測(cè)的分割方法。 邊緣檢測(cè)的思想就是試圖通過(guò)檢測(cè)不同物體的邊緣來(lái)將圖像分割開來(lái)，這種方法是人們最先想到的也是研究最多的方法之一。 如果我們將圖片從空間域變換到頻率域中去，其中物體的邊緣部分就對(duì)應(yīng)著高頻部分，很容易就能夠找到邊緣信息，因此也使得分割問(wèn)題變得容易。 邊緣檢測(cè)的方法能夠?qū)崿F(xiàn)快而且準(zhǔn)確的定位，但是其不能保證邊緣的連續(xù)性和封閉性，且當(dāng)一幅圖像的細(xì)節(jié)信息過(guò)多時(shí)，其就會(huì)在邊緣處產(chǎn)生大量的細(xì)碎邊緣，在形成完整的分割區(qū)域時(shí)就會(huì)有缺陷。 第四種圖像分割方法結(jié)合了特定的工具。 這里所說(shuō)的特定工具是各種圖像處理工具以及算法等，隨著圖像分割研究工作的深入，很多學(xué)者開始將一些圖像處理的工具和一些算法應(yīng)用到此工作中，并取得了不錯(cuò)的結(jié)果。 小波變換在數(shù)字圖像處理中發(fā)揮著很重要的作用，它能夠?qū)r(shí)域和頻域統(tǒng)一起來(lái)研究信號(hào)。 尤其是在圖像邊緣檢測(cè)方面，小波變換能夠檢測(cè)二元函數(shù)的局部突變能力。 其次是基于遺傳算法的圖像分割，遺傳算法主要借鑒了生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索方法。 其模擬了由基因序列控制的生物群體的進(jìn)化過(guò)程，其擅長(zhǎng)于全局搜索，但是局部搜多能力不足。 將遺傳算法應(yīng)用到圖像處理中也是當(dāng)前研究的一個(gè)熱點(diǎn)問(wèn)題，在此選擇這種方法的主要原因是遺傳算法具有快速的隨機(jī)搜索能力，而且其搜索能力與問(wèn)題的領(lǐng)域沒(méi)有任何關(guān)系。 除此之外，還有基于主動(dòng)輪廓模型的分割方法，這種方法具有統(tǒng)一的開放式的描述形式，為圖像分割技術(shù)的研究和創(chuàng)新提供了理想的框架。 此方法也是對(duì)邊緣信息進(jìn)行檢測(cè)的一種方法，主要是在給定圖像中利用曲線演化來(lái)檢測(cè)目標(biāo)。

圖像處理和計(jì)算機(jī)視覺(jué)有什么區(qū)別？

圖像處理（Image Processing）和計(jì)算機(jī)視覺(jué)（Computer Vision）是兩個(gè)相關(guān)但有所區(qū)別的領(lǐng)域。 它們之間的主要區(qū)別在于目標(biāo)和處理方法。 圖像處理（Image Processing）主要關(guān)注對(duì)數(shù)字圖像進(jìn)行操作和改進(jìn)，以便于更好地顯示、存儲(chǔ)或傳輸。 圖像處理的目標(biāo)是對(duì)圖像本身進(jìn)行優(yōu)化和處理，而不是理解圖像中的內(nèi)容。 圖像處理的技術(shù)包括：圖像增強(qiáng)（例如對(duì)比度和亮度調(diào)整）、濾波（例如平滑和銳化）、去噪、圖像壓縮、圖像融合等。 圖像處理的應(yīng)用場(chǎng)景包括衛(wèi)星圖像處理、醫(yī)學(xué)圖像處理、圖像壓縮、圖像恢復(fù)等。 計(jì)算機(jī)視覺(jué)（Computer Vision）則主要關(guān)注讓計(jì)算機(jī)能夠像人類一樣理解和分析數(shù)字圖像或視頻。 計(jì)算機(jī)視覺(jué)的目標(biāo)是對(duì)圖像中的物體、場(chǎng)景或概念進(jìn)行識(shí)別和理解。 計(jì)算機(jī)視覺(jué)的技術(shù)包括：特征提取、模式識(shí)別、物體檢測(cè)、圖像分割、場(chǎng)景重建、運(yùn)動(dòng)分析等。 計(jì)算機(jī)視覺(jué)的應(yīng)用場(chǎng)景非常廣泛，包括自動(dòng)駕駛、醫(yī)療影像分析、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、人臉識(shí)別等。 總結(jié)一下，圖像處理主要關(guān)注對(duì)圖像本身進(jìn)行操作和優(yōu)化，以改善圖像的顯示、存儲(chǔ)或傳輸，而計(jì)算機(jī)視覺(jué)則關(guān)注讓計(jì)算機(jī)能夠理解和分析圖像中的內(nèi)容。 雖然這兩個(gè)領(lǐng)域有很多技術(shù)和應(yīng)用的重疊，但它們的側(cè)重點(diǎn)和目標(biāo)是不同的。

ai視覺(jué)是什么ai視覺(jué)技術(shù)

AI視覺(jué)指的是將人工智能（AI）技術(shù)應(yīng)用于計(jì)算機(jī)視覺(jué)（Computer Vision, CV）領(lǐng)域，實(shí)現(xiàn)對(duì)圖像和視頻數(shù)據(jù)的分析和理解。 AI視覺(jué)可以讓計(jì)算機(jī)具備類似人類視覺(jué)的能力，通過(guò)識(shí)別、分類、分割、跟蹤、檢測(cè)等方法，對(duì)圖像和視頻數(shù)據(jù)進(jìn)行處理和分析。 AI視覺(jué)主要涉及以下技術(shù)和應(yīng)用：1. 圖像識(shí)別：通過(guò)訓(xùn)練深度學(xué)習(xí)模型，對(duì)圖像進(jìn)行分類、識(shí)別和標(biāo)注，例如識(shí)別貓狗、人臉識(shí)別、物體識(shí)別等。 2. 目標(biāo)檢測(cè)與跟蹤：自動(dòng)檢測(cè)目標(biāo)并追蹤其運(yùn)動(dòng)軌跡，例如行人檢測(cè)、車輛檢測(cè)等。 3. 圖像分割：將圖像分割成不同的區(qū)域，為各種應(yīng)用場(chǎng)景提供支持，例如醫(yī)學(xué)圖像分析和自動(dòng)駕駛。 4. 圖像生成：通過(guò)深度學(xué)習(xí)模型生成高保真度的圖像，例如超分辨率圖像生成和風(fēng)格轉(zhuǎn)換等。 AI視覺(jué)技術(shù)被廣泛應(yīng)用于各種領(lǐng)域，如智能安防、無(wú)人駕駛、醫(yī)療診斷、智能制造等，還涉及到虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)等新興領(lǐng)域。 總而言之，AI視覺(jué)是一種頗具前景的技術(shù)，具有廣泛的發(fā)展應(yīng)用前景。

python組件有多少個(gè)(2023年最新解答)

常用的生物信息學(xué)python庫(kù)有哪些

常用的生物信息學(xué)python庫(kù)：

Python默認(rèn)的圖形界面接口。 Tkinter是一個(gè)和Tk接口的Python模塊，Tkinter庫(kù)提供了對(duì)TkAPI的接口，它屬于Tcl/Tk的GUI工具組。

用于pythonGUI程序開發(fā)的GTK+庫(kù)。 GTK就是用來(lái)實(shí)現(xiàn)GIMP和Gnome的庫(kù)。

用于python的Qt開發(fā)庫(kù)。 QT就是實(shí)現(xiàn)了KDE環(huán)境的那個(gè)庫(kù)，由一系列的模塊組成，有qt,qtcanvas,qtgl,qtnetwork,qtsql,qttable,qtuiandqtxml，包含有300個(gè)類和超過(guò)5750個(gè)的函數(shù)和方法。 PyQt還支持一個(gè)叫qtext的模塊，它包含一個(gè)QScintilla庫(kù)。 該庫(kù)是Scintillar編輯器類的Qt接口。

GUI編程框架，熟悉MFC的人會(huì)非常喜歡，簡(jiǎn)直是同一架構(gòu)（對(duì)于初學(xué)者或者對(duì)設(shè)計(jì)要求不高的用戶來(lái)說(shuō)，使用BoaConStructor可以方便迅速的進(jìn)行wxPython的開發(fā)）

python提供強(qiáng)大的圖形處理的能力，并提供廣泛的圖形文件格式支持，該庫(kù)能進(jìn)行圖形格式的轉(zhuǎn)換、打印和顯示。 還能進(jìn)行一些圖形效果的處理，如圖形的放大、縮小和旋轉(zhuǎn)等。 是Python用戶進(jìn)行圖象處理的強(qiáng)有力工具。

一個(gè)Python代碼加速度器，可使Python代碼的執(zhí)行速度提高到與編譯語(yǔ)言一樣的水平。

Jabber服務(wù)器采用開發(fā)的XMPP協(xié)議，GoogleTalk也是采用XMPP協(xié)議的IM系統(tǒng)。 在Python中有一個(gè)xmpppy模塊支持該協(xié)議。 也就是說(shuō)，我們可以通過(guò)該模塊與Jabber服務(wù)器通信，是不是很Cool。

用于多媒體操作的python模塊。 它提供了豐富而簡(jiǎn)單的接口用于多媒體處理(wav,mp3,ogg,avi,divx,dvd,cddaetc)。 可在Windows和Linux平臺(tái)下使用。

Pythonmegawidgets，Python超級(jí)GUI組件集，一個(gè)在python中利用Tkinter模塊構(gòu)建的高級(jí)GUI組件，每個(gè)Pmw都合并了一個(gè)或多個(gè)Tkinter組件，以實(shí)現(xiàn)更有用和更復(fù)雜的功能。

用Python解析和處理XML文檔的工具包，包中的4DOM是完全相容于W3CDOM規(guī)范的。它包含以下內(nèi)容：

xmlproc:一個(gè)符合規(guī)范的XML解析器。 Expat:一個(gè)快速的，非驗(yàn)證的XML解析器。 還有其他和他同級(jí)別的還有PyHtmlPySGML。

用于多媒體開發(fā)和游戲軟件開發(fā)的模塊。

模塊封裝了“OpenGL應(yīng)用程序編程接口”，通過(guò)該模塊python程序員可在程序中集成2D和3D的圖形。

NumPy、NumArray、SAGE

NumArray是Python的一個(gè)擴(kuò)展庫(kù)，主要用于處理任意維數(shù)的固定類型數(shù)組，簡(jiǎn)單說(shuō)就是一個(gè)矩陣庫(kù)。 它的底層代碼使用C來(lái)編寫，所以速度的優(yōu)勢(shì)很明顯。 SAGE是基于NumPy和其他幾個(gè)工具所整合成的數(shù)學(xué)軟件包，目標(biāo)是取代Magma,Maple,Mathematica和Matlab這類工具。

用于連接MySQL數(shù)據(jù)庫(kù)。 還有用于zope的ZMySQLDA模塊，通過(guò)它就可在zope中連接mysql數(shù)據(jù)庫(kù)。

用于連接sqlite數(shù)據(jù)庫(kù)。

Python-ldap

提供一組面向?qū)ο蟮腁PI，可方便地在python中訪問(wèn)ldap目錄服務(wù)，它基于OpenLDAP2.x。

發(fā)送電子郵件。

定義了FTP類和一些方法，用以進(jìn)行客戶端的ftp編程。 如果想了解ftp協(xié)議的詳細(xì)內(nèi)容，請(qǐng)參考RFC959。

OpenCL的Python接口，通過(guò)該模塊可以使用GPU實(shí)現(xiàn)并行計(jì)算。

10個(gè)Python圖像編輯工具

以下提到的這些Python工具在編輯圖像、操作圖像底層數(shù)據(jù)方面都提供了簡(jiǎn)單直接的方法。

--ParulPandey

當(dāng)今的世界充滿了數(shù)據(jù)，而圖像數(shù)據(jù)就是其中很重要的一部分。 但只有經(jīng)過(guò)處理和分析，提高圖像的質(zhì)量，從中提取出有效地信息，才能利用到這些圖像數(shù)據(jù)。

常見的圖像處理操作包括顯示圖像，基本的圖像操作，如裁剪、翻轉(zhuǎn)、旋轉(zhuǎn)；圖像的分割、分類、特征提取；圖像恢復(fù)；以及圖像識(shí)別等等。 Python作為一種日益風(fēng)靡的科學(xué)編程語(yǔ)言，是這些圖像處理操作的最佳選擇。 同時(shí)，在Python生態(tài)當(dāng)中也有很多可以免費(fèi)使用的優(yōu)秀的圖像處理工具。

下文將介紹10個(gè)可以用于圖像處理任務(wù)的Python庫(kù)，它們?cè)诰庉媹D像、查看圖像底層數(shù)據(jù)方面都提供了簡(jiǎn)單直接的方法。

scikit-image是一個(gè)結(jié)合NumPy數(shù)組使用的開源Python工具，它實(shí)現(xiàn)了可用于研究、教育、工業(yè)應(yīng)用的算法和應(yīng)用程序。 即使是對(duì)于剛剛接觸Python生態(tài)圈的新手來(lái)說(shuō)，它也是一個(gè)在使用上足夠簡(jiǎn)單的庫(kù)。 同時(shí)它的代碼質(zhì)量也很高，因?yàn)樗怯梢粋€(gè)活躍的志愿者社區(qū)開發(fā)的，并且通過(guò)了同行評(píng)審(peerreview)。

scikit-image的文檔非常完善，其中包含了豐富的用例。

可以通過(guò)導(dǎo)入skimage使用，大部分的功能都可以在它的子模塊中找到。

圖像濾波(imagefiltering)：

使用match_template()方法實(shí)現(xiàn)模板匹配(templatematching)：

在展示頁(yè)面可以看到更多相關(guān)的例子。

NumPy提供了對(duì)數(shù)組的支持，是Python編程的一個(gè)核心庫(kù)。 圖像的本質(zhì)其實(shí)也是一個(gè)包含像素?cái)?shù)據(jù)點(diǎn)的標(biāo)準(zhǔn)NumPy數(shù)組，因此可以通過(guò)一些基本的NumPy操作（例如切片、掩膜(mask)、花式索引(fancyindexing)等），就可以從像素級(jí)別對(duì)圖像進(jìn)行編輯。 通過(guò)NumPy數(shù)組存儲(chǔ)的圖像也可以被skimage加載并使用matplotlib顯示。

在NumPy的官方文檔中提供了完整的代碼文檔和資源列表。

使用NumPy對(duì)圖像進(jìn)行掩膜(mask)操作：

像NumPy一樣，SciPy是Python的一個(gè)核心科學(xué)計(jì)算模塊，也可以用于圖像的基本操作和處理。 尤其是SciPyv1.1.0中的子模塊，它提供了在n維NumPy數(shù)組上的運(yùn)行的函數(shù)。 SciPy目前還提供了線性和非線性濾波(linearandnon-linearfiltering)、二值形態(tài)學(xué)(binarymorphology)、B樣條插值(B-splineinterpolation)、對(duì)象測(cè)量(objectmeasurements)等方面的函數(shù)。

在官方文檔中可以查閱到的完整函數(shù)列表。

使用SciPy的高斯濾波對(duì)圖像進(jìn)行模糊處理：

PIL(PythonImagingLibrary)是一個(gè)免費(fèi)Python編程庫(kù)，它提供了對(duì)多種格式圖像文件的打開、編輯、保存的支持。 但在2009年之后PIL就停止發(fā)布新版本了。 幸運(yùn)的是，還有一個(gè)PIL的積極開發(fā)的分支Pillow，它的安裝過(guò)程比PIL更加簡(jiǎn)單，支持大部分主流的操作系統(tǒng)，并且還支持Python3。 Pillow包含了圖像的基礎(chǔ)處理功能，包括像素點(diǎn)操作、使用內(nèi)置卷積內(nèi)核進(jìn)行濾波、顏色空間轉(zhuǎn)換等等。

Pillow的官方文檔提供了Pillow的安裝說(shuō)明自己代碼庫(kù)中每一個(gè)模塊的示例。

使用Pillow中的ImageFilter模塊實(shí)現(xiàn)圖像增強(qiáng)：

OpenCV（OpenSourceComputerVision庫(kù)）是計(jì)算機(jī)視覺(jué)領(lǐng)域最廣泛使用的庫(kù)之一，OpenCV-Python則是OpenCV的PythonAPI。 OpenCV-Python的運(yùn)行速度很快，這歸功于它使用C/C++編寫的后臺(tái)代碼，同時(shí)由于它使用了Python進(jìn)行封裝，因此調(diào)用和部署的難度也不大。 這些優(yōu)點(diǎn)讓OpenCV-Python成為了計(jì)算密集型計(jì)算機(jī)視覺(jué)應(yīng)用程序的一個(gè)不錯(cuò)的選擇。

入門之前最好先閱讀OpenCV2-Python-Guide這份文檔。

使用OpenCV-Python中的金字塔融合(PyramidBlending)將蘋果和橘子融合到一起：

SimpleCV是一個(gè)開源的計(jì)算機(jī)視覺(jué)框架。 它支持包括OpenCV在內(nèi)的一些高性能計(jì)算機(jī)視覺(jué)庫(kù)，同時(shí)不需要去了解位深度(bitdepth)、文件格式、色彩空間(colorspace)之類的概念，因此SimpleCV的學(xué)習(xí)曲線要比OpenCV平緩得多，正如它的口號(hào)所說(shuō)，“將計(jì)算機(jī)視覺(jué)變得更簡(jiǎn)單”。 SimpleCV的優(yōu)點(diǎn)還有：

官方文檔簡(jiǎn)單易懂，同時(shí)也附有大量的學(xué)習(xí)用例。

文檔包含了安裝介紹、示例以及一些Mahotas的入門教程。

Mahotas力求使用少量的代碼來(lái)實(shí)現(xiàn)功能。例如這個(gè)FindingWally游戲：

ITK（InsightSegmentationandRegistrationToolkit）是一個(gè)為開發(fā)者提供普適性圖像分析功能的開源、跨平臺(tái)工具套件，SimpleITK則是基于ITK構(gòu)建出來(lái)的一個(gè)簡(jiǎn)化層，旨在促進(jìn)ITK在快速原型設(shè)計(jì)、教育、解釋語(yǔ)言中的應(yīng)用。 SimpleITK作為一個(gè)圖像分析工具包，它也帶有大量的組件，可以支持常規(guī)的濾波、圖像分割、圖像配準(zhǔn)(registration)功能。 盡管SimpleITK使用C++編寫，但它也支持包括Python在內(nèi)的大部分編程語(yǔ)言。

有很多JupyterNotebooks用例可以展示SimpleITK在教育和科研領(lǐng)域中的應(yīng)用，通過(guò)這些用例可以看到如何使用Python和R利用SimpleITK來(lái)實(shí)現(xiàn)交互式圖像分析。

使用Python+SimpleITK實(shí)現(xiàn)的CT/MR圖像配準(zhǔn)過(guò)程：

pgmagick是使用Python封裝的GraphicsMagick庫(kù)。 GraphicsMagick通常被認(rèn)為是圖像處理界的瑞士軍刀，因?yàn)樗鼜?qiáng)大而又高效的工具包支持對(duì)多達(dá)88種主流格式圖像文件的讀寫操作，包括DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM、TIFF等等。

pgmagick的GitHub倉(cāng)庫(kù)中有相關(guān)的安裝說(shuō)明、依賴列表，以及詳細(xì)的使用指引。

圖像縮放：

邊緣提取：

Cairo是一個(gè)用于繪制矢量圖的二維圖形庫(kù)，而Pycairo是用于Cairo的一組Python綁定。 矢量圖的優(yōu)點(diǎn)在于做大小縮放的過(guò)程中不會(huì)丟失圖像的清晰度。 使用Pycairo可以在Python中調(diào)用Cairo的相關(guān)命令。

Pycairo的GitHub倉(cāng)庫(kù)提供了關(guān)于安裝和使用的詳細(xì)說(shuō)明，以及一份簡(jiǎn)要介紹Pycairo的入門指南。

使用Pycairo繪制線段、基本圖形、徑向漸變(radialgradients)：

以上就是Python中的一些有用的圖像處理庫(kù)，無(wú)論你有沒(méi)有聽說(shuō)過(guò)、有沒(méi)有使用過(guò)，都值得試用一下并了解它們。

作者：ParulPandey選題：lujun9972譯者：HankChow校對(duì)：wxy

在python中一共有多少個(gè)標(biāo)準(zhǔn)庫(kù)？

Python語(yǔ)言官方的參考手冊(cè)鐘，介紹了與Python一同發(fā)行的標(biāo)準(zhǔn)庫(kù)。

文本處理服務(wù)

string?---常見的字符串操作

re?---正則表達(dá)式操作

difflib?---計(jì)算差異的輔助工具

textwrap?---文本自動(dòng)換行與填充

unicodedata?---Unicode數(shù)據(jù)庫(kù)

stringprep?---因特網(wǎng)字符串預(yù)備

readline?---GNUreadline接口

rlcompleter?---GNUreadline的補(bǔ)全函數(shù)

二進(jìn)制數(shù)據(jù)服務(wù)

struct?---將字節(jié)串解讀為打包的二進(jìn)制數(shù)據(jù)

codecs?---編解碼器注冊(cè)和相關(guān)基類

數(shù)據(jù)類型

zoneinfo?---IANA時(shí)區(qū)支持

calendar?---日歷相關(guān)函數(shù)

collections?---容器數(shù)據(jù)類型

?---容器的抽象基類

heapq?---堆隊(duì)列算法

bisect?---數(shù)組二分查找算法

array?---高效的數(shù)值數(shù)組

weakref?---弱引用

types?---動(dòng)態(tài)類型創(chuàng)建和內(nèi)置類型名稱

copy?---淺層(shallow)和深層(deep)復(fù)制操作

pprint?---數(shù)據(jù)美化輸出

reprlib?---另一種?repr()?實(shí)現(xiàn)

enum?---對(duì)枚舉的支持

graphlib?---操作類似圖的結(jié)構(gòu)的功能

數(shù)字和數(shù)學(xué)模塊

numbers?---數(shù)字的抽象基類

math?---數(shù)學(xué)函數(shù)

cmath?---關(guān)于復(fù)數(shù)的數(shù)學(xué)函數(shù)

decimal?---十進(jìn)制定點(diǎn)和浮點(diǎn)運(yùn)算

frActions?---分?jǐn)?shù)

random?---生成偽隨機(jī)數(shù)

statistics?---數(shù)學(xué)統(tǒng)計(jì)函數(shù)

函數(shù)式編程模塊

itertools?---為高效循環(huán)而創(chuàng)建迭代器的函數(shù)

functools?---高階函數(shù)和可調(diào)用對(duì)象上的操作

operator?---標(biāo)準(zhǔn)運(yùn)算符替代函數(shù)

文件和目錄訪問(wèn)

pathlib?---面向?qū)ο蟮奈募到y(tǒng)路徑

?---常用路徑操作

fileinput?---迭代來(lái)自多個(gè)輸入流的行

stat?---解析?stat()?結(jié)果

filecmp?---文件及目錄的比較

tempfile?---生成臨時(shí)文件和目錄

glob?---Unix風(fēng)格路徑名模式擴(kuò)展

fnmatch?---Unix文件名模式匹配

linecache?---隨機(jī)讀寫文本行

shutil?---高階文件操作

數(shù)據(jù)持久化

pickle?---Python對(duì)象序列化

copyreg?---注冊(cè)配合?pickle?模塊使用的函數(shù)

shelve?---Python對(duì)象持久化

marshal?---內(nèi)部Python對(duì)象序列化

dbm?---Unix數(shù)據(jù)庫(kù)接口

sqlite3?---SQLite數(shù)據(jù)庫(kù)DB-API2.0接口模塊

數(shù)據(jù)壓縮和存檔

zlib?---與?gzip?兼容的壓縮

gzip?---對(duì)?gzip?格式的支持

bz2?---對(duì)?bzip2?壓縮算法的支持

lzma?---用LZMA算法壓縮

zipfile?---使用ZIP存檔

tarfile?---讀寫tar歸檔文件

文件格式

csv?---CSV文件讀寫

configparser?---配置文件解析器

tomllib?---ParseTOMLfiles

netrc?---netrc文件處理

plistlib?---生成與解析Apple??文件

加密服務(wù)

hashlib?---安全哈希與消息摘要

hmac?---基于密鑰的消息驗(yàn)證

secrets?---生成管理密碼的安全隨機(jī)數(shù)

通用操作系統(tǒng)服務(wù)

os?---多種操作系統(tǒng)接口

io?---處理流的核心工具

time?---時(shí)間的訪問(wèn)和轉(zhuǎn)換

argparse?---命令行選項(xiàng)、參數(shù)和子命令解析器

getopt?---C風(fēng)格的命令行選項(xiàng)解析器

logging?---Python的日志記錄工具

?---日志記錄配置

?---日志處理程序

getpass?---便攜式密碼輸入工具

curses?---終端字符單元顯示的處理

?---用于curses程序的文本輸入控件

?---用于ASCII字符的工具

?---curses的面板棧擴(kuò)展

platForm?---獲取底層平臺(tái)的標(biāo)識(shí)數(shù)據(jù)

errno?---標(biāo)準(zhǔn)errno系統(tǒng)符號(hào)

ctypes?---Python的外部函數(shù)庫(kù)

并發(fā)執(zhí)行

threading?---基于線程的并行

multiprocessing?---基于進(jìn)程的并行

_memory?---Sharedmemoryfordirectaccessacrossprocesses

concurrent?包

?---啟動(dòng)并行任務(wù)

subprocess?---子進(jìn)程管理

sched?---事件調(diào)度器

queue?---一個(gè)同步的隊(duì)列類

contextvars?---上下文變量

_thread?---底層多線程API

網(wǎng)絡(luò)和進(jìn)程間通信

asyncio?---異步I/O

socket?---底層網(wǎng)絡(luò)接口

ssl?---套接字對(duì)象的TLS/SSL包裝器

select?---等待I/O完成

selectors?---高級(jí)I/O復(fù)用庫(kù)

signal?---設(shè)置異步事件處理程序

mmap?---內(nèi)存映射文件支持

互聯(lián)網(wǎng)數(shù)據(jù)處理

email?---電子郵件與MIME處理包

json?---JSON編碼和解碼器

mailbox?---操作多種格式的郵箱

mimetypes?---映射文件名到MIME類型

base64?---Base16,Base32,Base64,Base85數(shù)據(jù)編碼

binascii?---二進(jìn)制和ASCII碼互轉(zhuǎn)

quopri?---編碼與解碼經(jīng)過(guò)MIME轉(zhuǎn)碼的可打印數(shù)據(jù)

結(jié)構(gòu)化標(biāo)記處理工具

html?---超文本標(biāo)記語(yǔ)言支持

?---簡(jiǎn)單的HTML和XHTML解析器

?---HTML一般實(shí)體的定義

XML處理模塊

?---ElementTreeXMLAPI

?---文檔對(duì)象模型API

?---最小化的DOM實(shí)現(xiàn)

?---支持構(gòu)建部分DOM樹

?---支持SAX2解析器

?---SAX處理句柄的基類

?---SAX工具集

?---用于XML解析器的接口

?---使用Expat的快速XML解析

互聯(lián)網(wǎng)協(xié)議和支持

webbrowser?---方便的Web瀏覽器控制工具

wsgiref?---WSGI工具和參考實(shí)現(xiàn)

urllib?---URL處理模塊

?---用于打開URL的可擴(kuò)展庫(kù)

?---urllib使用的Response類

?用于解析URL

?引發(fā)的異常類

?語(yǔ)法分析程序

http?---HTTP模塊

?---HTTP協(xié)議客戶端

ftplib?---FTP協(xié)議客戶端

poplib?---POP3協(xié)議客戶端

imaplib?---IMAP4協(xié)議客戶端

smtplib?---SMTP協(xié)議客戶端

uuid?---?RFC4122?定義的UUID對(duì)象

socketserver?---用于網(wǎng)絡(luò)服務(wù)器的框架

?---HTTP服務(wù)器

?---HTTP狀態(tài)管理

?——HTTP客戶端的Cookie處理

xmlrpc?---XMLRPC服務(wù)端與客戶端模塊

?---XML-RPC客戶端訪問(wèn)

?---基本XML-RPC服務(wù)器

ipaddress?---IPv4/IPv6操作庫(kù)

多媒體服務(wù)

wave?---讀寫WAV格式文件

colorsys?---顏色系統(tǒng)間的轉(zhuǎn)換

國(guó)際化

gettext?---多語(yǔ)種國(guó)際化服務(wù)

locale?---國(guó)際化服務(wù)

程序框架

turtle?---海龜繪圖

cmd?---支持面向行的命令解釋器

shlex?——簡(jiǎn)單的詞法分析

Tk圖形用戶界面(GUI)

tkinter?——Tcl/Tk的Python接口

?---顏色選擇對(duì)話框

?---Tkinter字體封裝

Tkinter對(duì)話框

?---Tkinter消息提示

?---滾動(dòng)文字控件

?---拖放操作支持

?---Tk風(fēng)格的控件

---

---

相關(guān)標(biāo)簽： 處理圖像和視頻數(shù)據(jù)、 計(jì)算機(jī)視覺(jué)屬于人工智能嗎、 執(zhí)行對(duì)象檢測(cè)、 圖像分割和面部識(shí)別、 計(jì)算機(jī)視覺(jué)、

上一篇：后端開發(fā)處理HTTP請(qǐng)求，管理會(huì)話和數(shù)據(jù)庫(kù)。后

下一篇：自然語(yǔ)言處理處理文本數(shù)據(jù)，執(zhí)行文本分類情感