一提到数字图像处理编程，可能大多数人就会想到matlab，但matlab也有自身的缺点：

1、不开源，价格贵   2、软件容量大。一般3G以上，高版本甚至达5G以上。   3、只能做研究，不易转化成软件。

因此，我们这里使用python这个脚本语言来进行数字图像处理。

要使用python进行各种开发和科学计算，还需要安装对应的包。这和matlab非常相似，只是matlab里面叫工具箱（toolbox)，而python里面叫库或包。基于python脚本语言开发的数字图片处理包，其实很多，比如PIL,Pillow, opencv, scikit-image等。

对比这些包，PIL和Pillow只提供最基础的数字图像处理，功能有限；opencv实际上是一个c++库，只是提供了python接口，更新速度非常慢。到现在python都发展到了3.5版本，而opencv只支持到python 2.7版本；scikit-image是基于scipy的一款图像处理包，它将图片作为numpy数组进行处理，正好与matlab一样，因此，我们最终选择scikit-image进行数字图像处理。

和常见的PIL.Image的区别：Image读出来的是PIL的类型，而skimage.io读出来的数据是numpy格式的，便于处理。

官网：​​https://scikit-image.org/​​

一、需要的安装包

因为scikit-image是基于scipy进行运算的，因此安装numpy和scipy是肯定的。要进行图片的显示，还需要安装matplotlib包，综合起来，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

虽然繁琐，但是Anaconda这个集成安装环境就囊括上述所有包了。

二、skimage包的子模块

skimage包的全称是scikit-image SciKit (toolkit for SciPy) ，它对​​scipy.ndimage进行了扩展，提供了更多的图片处理功能。它是由python语言编写的，由scipy 社区开发和维护。skimage包由许多的子模块组成，各个子模块提供不同的功能。主要子模块列表如下：​​

子模块名称　

主要实现功能

io

读取、保存和显示图片或视频

data

提供一些测试图片和样本数据

color

颜色空间变换

filters

图像增强、边缘检测、排序滤波器、自动阈值等

draw

操作于numpy数组上的基本图形绘制，包括线条、矩形、圆和文本等

transform

几何变换或其它变换，如旋转、拉伸和拉东变换等

morphology

形态学操作，如开闭运算、骨架提取等

exposure

图片强度调整，如亮度调整、直方图均衡等

feature

特征检测与提取等

measure

图像属性的测量，如相似性或等高线等

segmentation

图像分割

restoration

图像恢复

util

通用函数

用到一些图片处理的操作函数时，需要导入对应的子模块，如果需要导入多个子模块，则用逗号隔开，如：

from skimage import io,data,color

 

三、简单实例

from skimage import io, data
img = data.chelsea()
io.imshow(img)
print(type(img))  #显示类型
print(img.shape)  #显示尺寸