Python 影像處理簡介

影像處理（Image Processing）是電腦視覺、機器學習、醫學影像分析等領域的基礎。Python 提供多種強大的影像處理工具，本教學將介紹 三個最常見的影像處理套件：

1. Pillow（簡單圖像處理）
2. scikit-image（科學影像分析）
3. OpenCV（高效影像處理與電腦視覺）

這些工具可以用來進行 圖片讀取、縮放、旋轉、濾波、特徵提取，甚至更進階的電腦視覺應用。

---

✅ 為什麼要學影像處理？

影像處理的應用廣泛，例如：

• 數據前處理（將影像轉換為機器學習可用的格式）
• 影像增強（調整亮度、對比度、去除噪聲）
• 影像變換（旋轉、縮放、翻轉）
• 特徵提取（邊緣檢測、輪廓偵測、物件識別）
• OCR 文字辨識（將圖片中的文字轉換為可編輯文本）

Python 影像處理工具簡單易用，即使是初學者也能輕鬆學習！

---

✅ 三大影像處理套件簡介

套件	主要用途	特色
Pillow	圖片讀取、基本編輯	簡單易用，適合基礎處理
scikit-image	科學影像處理	內建多種濾波、特徵偵測工具
OpenCV	進階影像處理與電腦視覺	速度快，支援影片、深度學習

---

1️⃣ Pillow（PIL）- 簡單影像處理

Pillow 是 Python 非常常用的基礎影像處理套件，適合 讀取圖片、改變大小、調整顏色 等基本操作。

示例：讀取並顯示圖片

from PIL import Image

img = Image.open("image.jpg")  # 讀取圖片
img.show()  # 顯示圖片

✅ 適用於：簡單影像編輯，如縮放、旋轉、儲存不同格式。

---

2️⃣ Scikit-Image - 科學影像處理

scikit-image 提供 多種影像處理演算法，適合進行 邊緣偵測、濾波、分割等進階影像分析。

示例：灰階轉換

from skimage import io, color

img = io.imread("image.jpg")
gray = color.rgb2gray(img)  # 轉換為灰階
io.imshow(gray)
io.show()

✅ 適用於：影像特徵分析、圖像增強、科學影像應用。

---

3️⃣ OpenCV - 高效影像處理與電腦視覺

OpenCV 是 最強大的影像處理與電腦視覺庫，可用於 即時影像處理、物件偵測、影片分析等。

示例：讀取與顯示圖片

import cv2

img = cv2.imread("image.jpg")  # 讀取圖片
cv2.imshow("Image", img)  # 顯示圖片
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ 適用於：高效影像處理、機器學習與電腦視覺應用。

---

📝 總結

套件	特色	適用情境
Pillow	簡單易用	基礎影像處理，如縮放、旋轉、轉換格式
scikit-image	提供科學影像處理工具	適用於濾波、邊緣偵測、影像分割
OpenCV	速度快、功能強大	適用於電腦視覺、影片分析、機器學習

🚀 這三個工具涵蓋了影像處理的不同層面，讓你可以輕鬆應對各種影像處理需求！ 😊