可以用来做图像做处理的模块有很多，不过对于使用python不熟悉，或者刚使用python做图像处理的时候，经常不知道应该选择使用哪些模块。比如，scipy中misc和ndimage中都有相应的图像处理函数，现在就介绍一下scikit-image模块吧：
1)例图：
from skimage import datadata里面会有样图，如data.camera()是一张（512， 512）的图；
2）滤波：
from skimage import filters比如高斯滤波，filters.gaussian(camera, 1)
比如边缘检测：filters.sobel(camera)
3）文件读取：
from skimage import io
io.imread(filename)，其中，filename也可以是URL地址；
io.imsave(path, img).
4)数据类型转换：
from skimage import img_as_float
camera_f = img_as_float(camera)将原图uint8类型转变成[-1, 1]之间的范围；
5）颜色空间转换：
from skimage import color
color.rgb2hsvcolor.lab2rgb, etc.
关于图像预处理和增强
6）局部滤波，如filters.sobel_h(img)
7）非局部滤波，如
rom skimage import exposure
中exposure.equalize_hist(img)做直方图均衡；
8）数学形态变换
from skimage import morphology具体图形生成：比如morphology.diamond(1)生成菱形；
腐蚀操作：morphology.binary_erosion(img, selem=None)
selem表示结构元素，用于设定局部区域的形状和大小。将0值扩充到邻近像素。扩大黑色部分，减小白色部分。可用来提取骨干信息，去掉毛刺，去掉孤立的像素。
膨胀操作：morphology.binary)dilation(img, selem = None)
一般对二值图像进行操作。找到像素值为1的点，将它的邻近像素点都设置成这个值。1值表示白，0值表示黑，因此膨胀操作可以扩大白色值范围，压缩黑色值范围。一般用来扩充边缘或填充小的孔洞。
Opening: erosion + dilation在
注：该操作也适用于非二值图，即灰度图，对应的是最小滤波
（scipy.ndimage.morphology同样也有该操作）
9）图像分割
基于直方图分析的二值分割：（Otsu阈值法）如：val = filters.threshold(img)找到阈值，然后通过mask = img < val得到二值图
图像打标签：对于分割后的图像，可以给每一个区域打标签，如
from skimage import measure
all_labels = measure.label(blobs)
另外，scipy中也有相应操作；
水域分割算法（也叫分水岭算法）：
from skimage.morphology import watershed
from skimage.feature import peak_local_max
from scipy import ndimage>>> distance = ndimage . distance_transform_edt ( image ) >>> local_maxi = peak_local_max ( distance , indices = False , footprint = np . ones (( 3 , 3 )), labels = image ) >>> markers = morphology . label ( local_maxi ) >>> labels_ws = watershed ( - distance , markers , mask = image ) 另一个 随机walker分割：
from skimage import segmentation>>> # Transform markers image so that 0-valued pixels are to >>> # be labelled, and -1-valued pixels represent background >>> markers [ ~ image ] = - 1 >>> labels_rw = segmentation . random_walker ( image , markers )
10）测量区域属性，如面积和周长
properties = measure.regionprops(labels_rw)>>> [ prop . area for prop in properties ] [770, 1168] >>> [ prop . perimeter for prop in properties ] [100.91…, 126.81…]
11）数据可视化和交互
matplotlib中提供了plt.imshow等函数，结合以上滤波、分割(segmentation.clear_border(mask))等使用
另外，skimage也提供显示图像的函数，不过也是基于matplotlib，貌似功能更强大：
from skimage import viewer>>> new_viewer = viewer . ImageViewer ( coins ) >>> new_viewer . show ()
For more interaction, plugins can be added to the viewer:
>>> new_viewer = viewer.ImageViewer(coins)
>>>
from
skimage.viewer.plugins
import
lineprofile
>>>
new_viewer
+=
lineprofile
.
LineProfile
()
>>>
new_viewer
.
show
()
12）CV中的特征提取
from skimage import feature
不同角点特征：
from skimage.feature import corner_harris, corner_subpix, corner_peaks
//补充角点特征知识点
另外skimage.transform提供扭曲和仿射变换操作wrap和AffineTransform
//待补充其它特征提取函数