?一提到數字圖像處理編程，可能大多數人就會想到matlab，但matlab也有自身的缺點：

1、不開源，價格貴? ?2、軟件容量大。一般3G以上，高版本甚至達5G以上。? ?3、只能做研究，不易轉化成軟件。

因此，我們這里使用python這個腳本語言來進行數字圖像處理。

要使用python進行各種開發和科學計算，還需要安裝對應的包。這和matlab非常相似，只是matlab里面叫工具箱（toolbox)，而python里面叫庫或包。基于python腳本語言開發的數字圖片處理包，其實很多，比如PIL,Pillow, opencv, scikit-image等。

對比這些包，PIL和Pillow只提供最基礎的數字圖像處理，功能有限；opencv實際上是一個c++庫，只是提供了python接口，更新速度非常慢。到現在python都發展到了3.5版本，而opencv只支持到python 2.7版本；scikit-image是基于scipy的一款圖像處理包，它將圖片作為numpy數組進行處理，正好與matlab一樣，因此，我們最終選擇scikit-image進行數字圖像處理。

和常見的PIL.Image的區別：Image讀出來的是PIL的類型，而skimage.io讀出來的數據是numpy格式的，便于處理。

官網：https://scikit-image.org/

一、需要的安裝包

因為scikit-image是基于scipy進行運算的，因此安裝numpy和scipy是肯定的。要進行圖片的顯示，還需要安裝matplotlib包，綜合起來，需要的包有：

Python >= 2.6 Numpy >= 1.6.1 Cython >= 0.21 Six >=1.4 SciPy >=0.9 Matplotlib >= 1.1.0 NetworkX >= 1.8 Pillow >= 1.7.8 dask[array] >= 0.5.0

雖然繁瑣，但是Anaconda這個集成安裝環境就囊括上述所有包了。

二、skimage包的子模塊

skimage包的全稱是scikit-image?SciKit (toolkit for?SciPy) ，它對scipy.ndimage進行了擴展，提供了更多的圖片處理功能。它是由python語言編寫的，由scipy 社區開發和維護。skimage包由許多的子模塊組成，各個子模塊提供不同的功能。主要子模塊列表如下：

子模塊名稱	主要實現功能
io	讀取、保存和顯示圖片或視頻
data	提供一些測試圖片和樣本數據
color	顏色空間變換
filters	圖像增強、邊緣檢測、排序濾波器、自動閾值等
draw	操作于numpy數組上的基本圖形繪制，包括線條、矩形、圓和文本等
transform	幾何變換或其它變換，如旋轉、拉伸和拉東變換等
morphology	形態學操作，如開閉運算、骨架提取等
exposure	圖片強度調整，如亮度調整、直方圖均衡等
feature	特征檢測與提取等
measure	圖像屬性的測量，如相似性或等高線等
segmentation	圖像分割
restoration	圖像恢復
util	通用函數

用到一些圖片處理的操作函數時，需要導入對應的子模塊，如果需要導入多個子模塊，則用逗號隔開，如：

from skimage import io,data,color

?

三、簡單實例

from skimage import io, data img = data.chelsea() io.imshow(img) print(type(img)) #顯示類型 print(img.shape) #顯示尺寸

?

?

?

?

?

?

?

參考資料：

https://blog.csdn.net/qq_41185868/article/details/80330262

https://www.cnblogs.com/denny402/p/5121501.html? ?（此網址包含了skimage完整教程）

https://www.cnblogs.com/wangxiaocvpr/p/11656603.html（此博客參考自網址2）

?

?

總結

以上是生活随笔為你收集整理的【Python学习】 - skimage包的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。