原文出处: https://blog.xugaoxiang.com/python/python-module-4.html

软硬件环境

• ubuntu 18.04 64bit
• anaconda with python 3.6
• imutils 0.5.2

imutils简介

imutils是Adrian Rosebrock开发的一个python工具包，它整合了opencv、numpy和matplotlib的相关操作，主要是用来进行图形图像的处理，如图像的平移、旋转、缩放、骨架提取、显示等等，后期又加入了针对视频的处理，如摄像头、本地文件等。imutils同时支持python2和python3。

安装imutils

pip install imutils

如果需要查看源码的话，可以通过命令pip download imutils来下载

图片处理

图片的平移

图片的平移是指将图片在X轴或Y轴上移动。opencv中也提供了图片平移的实现，首先需要根据X和Y轴上的变化构建一个平移矩阵M，如下

然后调用cv2.warpAffine()实现平移。imutils封装了opencv中的平移操作。

import cv2
import imutils

image = cv2.imread('dj.jpeg')
translated = imutils.translate(image, 25, -75)
cv2.imwrite('translated.jpg', translated)

图片的旋转

方法是imutils.rotate()，跟2个参数，第一个是图片数据，第二个是旋转的角度，旋转是朝逆时针方向。同时imutils还提供了另一个相似的方法, rotate_round()，它就是按顺时针旋转的。

import cv2
import imutils

image = cv2.imread('dj.jpeg')
rotated = imutils.rotate(image, 90)                                             
cv2.imwrite('rotated_90.jpg', rotated)                                          

rotated_round = imutils.rotate_bound(image, 90)                                 
cv2.imwrite('rotated_90_round.jpg', rotated_round)

图片的缩放

对图片的缩放，imutils是会保持原有图片的宽高比的, 函数是imutils.resize()，方法中可以指定宽度width=或者height=，两者取其一就可以了。

import cv2
import imutils

image = cv2.imread('dj.jpeg')
resized = imutils.resize(image, width=200)                                      
cv2.imwrite('resized_width_200.jpg', resized)                                          

骨架提取

Skeletonization,骨架提取，是指对图片中的物体进行拓扑骨架(topological skeleton)构建的过程。imutils提供的方法是skeletonize()，第二个参数是结构参数的尺寸(structuring element)，相当于是一个粒度，越小需要处理的时间越长。

import cv2
import imutils

image = cv2.imread('dj.jpeg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)                                  

skeleton = imutils.skeletonize(gray, size=(3, 3))                               
cv2.imwrite('skeleton.jpg', skeleton)

使用matplotlib显示

在opencv中，图形是表示成numpy数组的，且是BGR的序列，显示的话使用cv2.imshow就可以了，但是在matplotlib中，需要的是RGB序列。解决方法有两种:

• 使用cv2.cvtColor进行转换
• 使用imutils.opencv2matplotlib进行转换

import imutils
import cv2
import matplotlib.pyplot as plt

image = cv2.imread('dj.jpeg')
plt.figure('Incorrect')                                                     
plt.imshow(imutils.opencv2matplotlib(image))                                
plt.show() 

视频处理

这里以摄像头数据处理为例，本地视频文件的处理就是打开方式不同而已。

from threading import Thread
import cv2

class WebcamVideoStream:
	def __init__(self, src=0, name="WebcamVideoStream"):
	    '''
	    类WebcamVideoStream的构造函数，通过指定src参数打开特定的摄像头，并读取第一帧的数据
	    '''

		self.stream = cv2.VideoCapture(src)
		(self.grabbed, self.frame) = self.stream.read()

		# 线程名
		self.name = name

		# 线程是否结束的标志
		self.stopped = False

	def start(self):
	    # 启动读取视频帧的线程
		t = Thread(target=self.update, name=self.name, args=())
		t.daemon = True
		t.start()
		return self

	def update(self):
		
		while True:
			
			if self.stopped:
				return

			# 读取下一帧数据
			(self.grabbed, self.frame) = self.stream.read()

	def read(self):
	
		# 返回当前读取的视频帧
		return self.frame

	def stop(self):
	
		# 停止线程
		self.stopped = True

代码实现比较简单，相信都看得懂，这里不再解释；视频处理还有个重要的参数fps, 即每秒钟处理的帧数，imutils采用了最简单的实现方法，总平均帧数法即总的帧数除以所花费的时间。

import datetime

class FPS:
	def __init__(self):
		# 构造函数
		self._start = None
		self._end = None
		self._numFrames = 0

	def start(self):
		# 开始时间
		self._start = datetime.datetime.now()
		return self

	def stop(self):
		# 结束时间
		self._end = datetime.datetime.now()

	def update(self):
		# 统计帧数
		self._numFrames += 1

	def elapsed(self):
		# 计算消耗的时间，单位为秒
		return (self._end - self._start).total_seconds()

	def fps(self):
		
		return self._numFrames / self.elapsed()

一点补充

大神Adrian Rosebrock自己维护了一个个人博客网站，地址是 https://www.pyimagesearch.com， 不定期放出计算机视觉及人工智能相关的教程，解释详尽，图文并茂，更赞的是还附带全部源码，非常值得经常去逛逛。

参考资料

1. https://github.com/jrosebr1/imutils
2. https://en.wikipedia.org/wiki/Structuring_element
3. https://blog.csdn.net/u012494876/article/details/53368164

最后

以上就是贤惠裙子为你收集整理的python实用模块推荐(4)_imutils原文出处: https://blog.xugaoxiang.com/python/python-module-4.html的全部内容，希望文章能够帮你解决python实用模块推荐(4)_imutils原文出处: https://blog.xugaoxiang.com/python/python-module-4.html所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。