【原】圖像分析用 OpenCV 與 Skimage，哪一個更好？

小白學(xué)視覺 2021-12-12

展開全文

重磅干貨，第一時間送達(dá)

這兩種算法在它們可以檢測到的和不能檢測到的方面都有其起伏。

OpenCV 是用 C++ 在后端進(jìn)行編程的，并作為一個機(jī)器學(xué)習(xí)包，來分析 Python 中的圖像模式。

Skimage 也稱為 Scikit-Image ，是一個機(jī)器學(xué)習(xí)軟件包，用于圖像預(yù)處理以發(fā)現(xiàn)隱藏模式。

兩者的最佳平臺

OpenCV 建議在基于服務(wù)器的 notebook 上完成，比如 google colab，或者 google cloud、Azure cloud 甚至 IBM 中的 notebook 擴(kuò)展。

而對于 Skimage 來說，即使是 Jupyter Lab/Notebooks 也能很好地工作，因?yàn)樗谔幚砩蠜]有 OpenCV 那么復(fù)雜。

使用 Skimage 分析面部數(shù)據(jù)的 Python 代碼

from skimage import datafrom skimage.feature import Cascade

import matplotlib.pyplot as pltfrom matplotlib import patches

# Load the trained file from the module root.trained_file = data.lbp_frontal_face_cascade_filename()

# Initialize the detector cascade.detector = Cascade(trained_file)

img = data.astronaut()

detected = detector.detect_multi_scale(img=img, scale_factor=1.2, step_ratio=1, min_size=(60, 60), max_size=(90, 500))

plt.imshow(img)img_desc = plt.gca()plt.set_cmap('gray')

for patch in detected:

img_desc.add_patch( patches.Rectangle( (patch['c'], patch['r']), patch['width'], patch['height'], fill=False, color='r', linewidth=2 ) )

plt.show()

# We have detected a face using Skimage in python# Obtain the segmentation with default 100 regionssegments = slic(img)

# Obtain segmented image using label2rgbsegmented_image = label2rgb(segments, img, kind=’avg’)

# Detect the faces with multi scale methoddetected = detector.detect_multi_scale(img=segmented_image, scale_factor=1.2, step_ratio=1, min_size=(10, 10), max_size=(1000, 1000))

# Show the detected facesshow_detected_face(segmented_image, detected)

因此我們在這里看到了如何使用 python 中的 Skimage 檢測人臉和推斷圖像。

使用 OpenCV 分析數(shù)據(jù)的 Python 代碼

from google.colab import drivedrive.mount('/content/drive')image = cv2.imread(r'/content/drive/MyDrive/12-14-2020-tout.jpg')# check properties of the imageimage.shape# This image has 1333 pxl width, 2000 pxl height and 3 channels(red, green, blue)from google.colab.patches import cv2_imshowcv2_imshow(image)

這里我們使用OpenCV上傳了一張圖片：

eye_detector = cv2.CascadeClassifier('/content/drive/MyDrive/haarcascade_frontalcatface.xml')eye_detections = eye_detector.detectMultiScale(image)eye_detections# detect face with eyes on one of the faceseye_detections = eye_detector.detectMultiScale(image)for (x,y,w,h) in eye_detections:cv2.rectangle(image, (x,y), (x+w, y+h), (0,300,0), 2)cv2_imshow(image)