6 bibliotek przetwarzania obrazów w języku Python do wydajnej manipulacji wizualnej

Nasze postrzeganie świata w dużej mierze opiera się na zmysle wzroku. Z łatwością rozpoznajemy przedmioty, oceniamy odległości, a nawet wyczuwamy faktury, analizując jedynie to, co widzimy.

Mimo że widzenie wydaje się procesem intuicyjnym i naturalnym, stanowi spore wyzwanie, gdy chcemy nauczyć tego komputery. Niemniej jednak, przez lata opracowano szereg algorytmów, które wspierają maszyny w tym skomplikowanym zadaniu analizy obrazów.

Te algorytmy zostały zaimplementowane w kodzie i udostępnione w postaci bibliotek programistycznych, które zostaną omówione w niniejszym artykule.

Czym jest przetwarzanie obrazu?

Przetwarzanie obrazu to element wizji komputerowej. Obejmuje ono szereg operacji wykonywanych na obrazach, mających na celu przygotowanie ich do wykorzystania w procesach uczenia maszynowego i ogólnie pojętej sztucznej inteligencji.

Jest to przydatne narzędzie do detekcji i identyfikacji obiektów na obrazach. Znajduje zastosowanie w tworzeniu samochodów autonomicznych, robotów oraz w klasyfikowaniu obrazów w celu identyfikacji treści, takich jak mowa nienawiści.

Zastosowania przetwarzania obrazu

Przetwarzanie obrazu znajduje zastosowanie w wielu dziedzinach. Poniżej przedstawiono niektóre z jego najczęstszych i najbardziej użytecznych aplikacji:

• Obrazowanie medyczne i diagnostyka, gdzie AI wspomaga diagnozowanie pacjentów na podstawie skanów.
• Zabezpieczenia, poprzez wdrożenie systemów biometrycznych i monitoringu budynków.
• Robotyka, przy konstrukcji robotów zdolnych do percepcji otoczenia, w tym samochodów autonomicznych.
• Rzeczywistość rozszerzona, na przykład filtry. Przetwarzanie obrazu jest wykorzystywane do identyfikacji obiektów i nakładania na nie filtrów.
• Analiza ruchu, na przykład odczyt tablic rejestracyjnych. Wykorzystuje się je w organach ścigania do identyfikacji kierowców łamiących przepisy lub w systemach fotoradarów.

W przetwarzaniu obrazu wykorzystuje się różnorodne algorytmy, takie jak dylatacja i erozja morfologiczna, transformacja Gaussa, transformata Fouriera, detekcja krawędzi oraz przetwarzanie falkowe.

Bez dostępnych bibliotek programistycznych, konieczne byłoby implementowanie tych algorytmów od podstaw. Na szczęście istnieją gotowe biblioteki, które dostarczają niezbędną funkcjonalność. Poniżej przedstawiamy listę niektórych z najpopularniejszych.

OpenCV

OpenCV to jedna z najczęściej wykorzystywanych bibliotek w dziedzinie przetwarzania obrazów. Jest stosowana do implementacji algorytmów widzenia komputerowego, uczenia maszynowego i analizy obrazów.

Co ważne, jest darmowa i ma otwarty kod źródłowy. Dodatkowo OpenCV jest bardzo elastyczna, gdyż współpracuje z wieloma językami programowania, takimi jak Python, C++ oraz Java.

Biblioteka ta zawiera szeroki zakres funkcji i algorytmów niezbędnych do przetwarzania obrazu, w tym detekcję krawędzi, ekstrakcję cech, transformacje, obracanie, zmianę rozmiaru i poprawę jakości obrazu.

Scikit-image

Scikit-image oferuje łatwy w obsłudze i efektywny sposób na przetwarzanie obrazów. Umożliwia wczytywanie i zapisywanie obrazów, transformacje, filtrowanie, segmentację, ekstrakcję cech, przywracanie obrazu i operacje geometryczne.

Biblioteka ta integruje się z innymi bibliotekami obliczeń naukowych, umożliwiając użytkownikom łatwą manipulację i ulepszanie obrazów do różnych zastosowań, od podstawowych operacji, takich jak zmiana rozmiaru, po zaawansowane zadania, jak rozpoznawanie obiektów lub przywracanie obrazu.

SimpleITK

SimpleITK to uproszczona wersja ITK (Insight Toolkit), czyli wieloplatformowej biblioteki o otwartym kodzie źródłowym, przeznaczonej do analizy obrazów. SimpleITK obsługuje odczyt i zapis obrazów w ponad 20 formatach plików graficznych.

Poza Pythonem, współpracuje z innymi językami programowania, takimi jak R, Java, Ruy, Lua, C++ i C#. Udostępnia szeroki zestaw funkcji, które można wykorzystać do pracy z obrazami.

SimpleITK jest bardzo wydajna, obsługując przetwarzanie obrazów 2D, 3D, 4D i 5D, a także przetwarzanie równoległe, co przyspiesza wykonywanie operacji.

SciPy

SciPy to biblioteka powiązana z popularną biblioteką do analizy numerycznej, NumPy. SciPy służy do obliczeń naukowych, natomiast NumPy do obliczeń numerycznych. Ze względu na to, że SciPy korzysta z NumPy, jest szybka i wydajna.

Obsługuje także pracę z obrazami wielowymiarowymi. Biblioteka ta zawiera funkcje do filtrowania, morfologii, pomiarów obiektów i interpolacji B-sklejanej.

Pillow

Pillow jest kontynuacją projektu Python Imaging Library (PIL). PIL była biblioteką do pracy z obrazami w Pythonie, jednak działała tylko z Pythonem 2 i została wycofana w 2011 roku.

Pillow jest odgałęzieniem tamtego projektu. Obsługuje odczyt obrazów z różnych formatów plików do własnej wewnętrznej reprezentacji. Wewnętrzna reprezentacja Pillow efektywnie manipuluje obrazami i udostępnia funkcje przetwarzania obrazów. Obsługuje także szybki dostęp do danych i operacje takie jak obracanie i zmiana rozmiaru.

pgmagick

pgmagick to otwarta biblioteka Pythona stworzona przez Hideo Huttori. Działa jako interfejs do GraphicsMagick, zestawu narzędzi i bibliotek służących do odczytu, zapisu i manipulacji obrazami.

Biblioteka ta obsługuje ponad 88 formatów obrazów i umożliwia wykonanie takich operacji jak pobieranie rozmiaru obrazu, wyostrzanie lub rozmywanie obrazu, wykrywanie krawędzi, obracanie, solaryzacja, porównywanie obrazów i zapisywanie ich na dysku.

pgmagick można wykorzystać do tworzenia animacji GIF, rysowania tekstu i konwersji obrazów pomiędzy różnymi formatami plików.

Podsumowanie

Chociaż ta lista nie jest wyczerpująca, wymienione biblioteki należą do najczęściej stosowanych w przetwarzaniu obrazów. Są one powszechnie wykorzystywane przez wiele osób i organizacji do wdrażania systemów zdolnych do detekcji, segmentacji i analizy obiektów.

Odegrały one kluczową rolę w rozwoju sztucznej inteligencji i robotyki. Alternatywą dla bibliotek programistycznych są interfejsy API do analizy obrazu.