scikit-image Python（工作原理：開發者指南）

Scikit-image 是一個專為 Python 中的影像處理設計的演算法集合。 這是免費提供且不受限制的，擁有來自活躍的志願者社群經過同行評審的高品質代碼。 Scikit-image 專案於 2009 年在 Google 推出，作為 Google Summer Code 計畫的一部分，由 Stefan van der Walt 和其他 Scikit-image 貢獻者指導。 它旨在創建一個用於圖像處理的 Python 庫，使其易於使用、高效，並可擴展至學術和工業應用。 在本文中，我們將學習 Scikit-image Python 影像處理庫和 IronSoftware 的 PDF 生成庫，名為 IronPDF。

入門

要了解 Scikit-image，請查看其官方網站。此外，Data Carpentry 提供了一個很棒的課程，講授如何使用 Scikit 在 Python 中進行圖像處理。

通过 pip 安装

• 確保已有安裝 Python（至少 3.10 版本）。

• 打開你的終端機或命令提示字元。

  • 更新 pip：

python -m pip install -U pip

py

• 透過 pip 或 scikit-image conda 安裝 scikit-image：

python -m pip install -U scikit-image

py

• 要訪問演示數據集，請使用：

python -m pip install -U scikit-image[data]

py

• 若需額外科學套件，包括平行處理功能：

python -m pip install -U scikit-image[optional]

py

基本範例

import skimage.io
import matplotlib.pyplot as plt
image = skimage.io.imread(fname='land.jpg')
plt.imshow(image) # show binary image
plt.show()

py

過濾器

import skimage as ski
image = ski.data.coins()  # Load sample image
edges = ski.filters.sobel(image)
ski.io.imshow(edges)
ski.io.show()

py

Scikit-image，通常縮寫為skimage，是一個用於圖像處理任務的強大Python庫。 它建立在 NumPy 陣列、SciPy 和 matplotlib 之上，並提供各種功能和算法來操作和分析圖像。 skimage 匯入資料幣可用於從庫存中取得範例圖像。 skimage import filters 可以用來訪問內建的濾波器和實用函數。

Scikit-image 的主要功能

圖像過濾和邊緣檢測

from skimage import io, filters
# Load an image
image = io.imread('image.jpg')
# Apply Gaussian blur
blurred_image = filters.gaussian(image, sigma=1.0)
# Apply Sobel edge detection
edges = filters.sobel(image)
# Display the original image, blurred image, and edges
io.imshow_collection([image, blurred_image, edges])
io.show()

py

輸出

2. 使用 HOG（定向梯度直方圖）進行特徵提取

from skimage import io, color, feature
# Load an example image and convert to grayscale
image = io.imread('image.jpg')
gray_image = color.rgb2gray(image)
# Compute HOG features
hog_features, hog_image = feature.hog(gray_image, visualize=True)
# Display the original image and the HOG image
io.imshow_collection([image, gray_image, hog_image])
io.show()

py

輸出

3. 幾何變換 - 調整大小和旋轉

from skimage import io, transform
# Load an image
image = io.imread('image.jpg')
# Resize image
resized_image = transform.resize(image, (image.shape[0] // 2, image.shape[1] // 2))
# Rotate image
rotated_image = transform.rotate(image, angle=45)
# Display the original image, resized image, and rotated image
io.imshow_collection([image, resized_image, rotated_image])
io.show()

py

輸出

4. 使用全變差濾波器進行圖像去噪

from skimage import io, restoration
# Load a noisy image
image = io.imread('image.jpg')
# Apply total variation denoising
denoised_image = restoration.denoise_tv_chambolle(image, weight=0.1)
# Display the noisy image and the denoised image
io.imshow_collection([image, denoised_image])
io.show()

py

輸出

您可以在官方頁面找到有關影像處理和NumPy陣列的更多資訊。

介紹 IronPDF

IronPDF 是一個強大的 Python 程式庫，旨在使用 HTML、CSS、圖像和 JavaScript 來處理 PDF 文件的創建、編輯和簽署。 它優先考慮性能效率，並以最小的記憶體使用量運行。 主要功能包括：

• HTML 到 PDF 轉換： 將 HTML 文件、HTML 字串和 URL 轉換為 PDF 文件，利用像使用 Chrome PDF 渲染器來渲染網頁等功能。
• 跨平台支持：兼容 Python 3+，可在 Windows、Mac、Linux 和各種雲端平台上使用。 IronPDF 也可用於 .NET、Java、Python 和 Node.js 環境。
• 編輯和簽署：自訂 PDF 屬性，執行密碼和權限等安全措施，並無縫應用數位簽名。
• 頁面範本和設置：創建具備標題、頁腳、頁碼、可調整邊距、自定義紙張大小和響應式設計等功能的 PDF 布局。
• 標準遵循： 嚴格遵守PDF標準如PDF/A和PDF/UA，確保UTF-8字符編碼兼容，並熟練管理資產如圖片、CSS樣式表和字體。

安裝

pip install ironpdf 
pip install scikit-image

py

使用 IronPDF 和 Scikit Image 生成 PDF 文件

先決條件

1. 確保已安裝 Visual Studio Code 作為程式碼編輯器

2. 已安裝 Python 3 版本

   首先，讓我們創建一個 Python 檔案來添加我們的腳本。

   打開 Visual Studio Code 並創建一個文件，scikitDemo.py。

   安裝必要的庫：

pip install scikit-image
pip install ironpdf

py

接著添加以下 Python 代碼來演示 IronPDF 和 scikit-image Python 套件的使用。

from skimage import io, filters
from ironpdf import * 
# Apply your license key
License.LicenseKey = "key"
# Load an image
image = io.imread('image.jpg')
# Apply Gaussian blur
blurred_image = filters.gaussian(image, sigma=1.0)
# Apply Sobel edge detection
edges = filters.sobel(image)
# Display the original image, blurred image, and edges
io.imshow_collection([image, blurred_image, edges]).savefig('ironPdf-skimage.png')
ImageToPdfConverter.ImageToPdf("ironPdf-skimage.png").SaveAs("ironPdf-skimage.pdf")
io.show()

py

程式碼說明

此代碼片段展示了如何將 scikit-image （skimage）與 IronPDF 結合使用來處理圖像並將結果轉換為 PDF 文件。 以下是每個部分的說明：

1. 導入聲明：從 scikit-image 導入必要的功能以加載圖像（io.imread）和圖像過濾（filters.gaussian, filters.sobel），並導入 IronPDF 功能。

2. 應用授權金鑰： License.LicenseKey = "Key"：設定 IronPDF 的授權金鑰。 這個步驟是使用 IronPDF 功能所需的。3. 載入和處理圖像： 使用 scikit-image 的 `io.imread` 函數加載名為 `'image.jpg'` 的圖像。 然後使用filters.gaussian將高斯模糊應用於載入的圖像，sigma 值為 1.0。之後使用filters.sobel將 Sobel 邊緣檢測應用於載入的圖像。

3. 顯示和儲存結果： io.imshow_collection([image, blurred_image, edges]).savefig('ironPdf-skimage.png')：使用`io.imshow_collection`顯示一組圖像（原始、模糊和邊緣），並將顯示的圖像集合儲存為`'ironPdf-skimage.png'`。

   ImageToPdfConverter.ImageToPdf("ironPdf-skimage.png").SaveAs("ironPdf-skimage.pdf")：使用 IronPDF 的 ImageToPdfConverter.ImageToPdf 將保存的 PNG 圖片（'ironPdf-skimage.png'）轉換為 PDF 文檔，並將其保存為 'ironPdf-skimage.pdf'。5. 顯示圖像： io.show()：在圖形窗口中顯示圖像。

   此代碼片段結合了 scikit-image 的圖像處理能力和 IronPDF 將處理後的圖像轉換為 PDF 文件的功能。 它展示了加載圖像、應用高斯模糊和索貝爾邊緣檢測、顯示結果、將它們保存為 PNG 文件、使用 IronPDF 將 PNG 轉換為 PDF 並顯示處理後的圖像。 此整合適用於需要將圖像處理、分析和以 PDF 格式記錄的任務，例如科學研究、圖像分析報告或自動文件生成工作流程中。

輸出

PDF

IronPDF 授權

IronPDF 運行於 Python 的授權金鑰上。 IronPDF for Python 提供免費試用授權金鑰，讓用戶可以在購買之前體驗其豐富的功能。

在使用IronPDF package之前，將許可證密鑰放置在腳本的開頭：

from ironpdf import * 
# Apply your license key
License.LicenseKey = "key"

py

結論

scikit-image 使 Python 開發人員能夠有效地解決與圖像相關的任務。 無論您正在從事電腦視覺、醫學影像或藝術項目，此套件都能滿足您的需求。 scikit-image 是一個用於 Python 圖像處理的多功能且強大的庫，提供廣泛的函數和算法，用於過濾、分割、特徵提取和幾何變換等任務。 由於其與其他科學庫的無縫整合，使得它成為從事影像分析和計算機視覺應用的研究人員、開發人員和工程師的首選。

IronPDF 是一個 Python 庫，可促進在 Python 應用中創建、編輯和操作 PDF 文件。 它提供了多種功能，例如從 HTML、圖片或現有的 PDF 檔案生成 PDF 檔。 此外，IronPDF 支援合併或拆分 PDF 檔案、添加註釋、水印或數位簽名，從 PDF 提取文字或圖片，並管理文件屬性，如中繼資料和安全設定。 此程式庫提供了一種有效的方法來以程式方式處理 PDF 相關任務，適用於需要文件生成、報告創建或文檔管理功能的應用程式。

使用這兩個庫，使用者可以處理圖像，並有效地將其儲存為 PDF 檔案以供存檔之用。