可以用來做圖像做處理的模塊有很多，不過對於使用python不熟悉，或者剛使用python做圖像處理的時候，經常不知道應該選擇使用哪些模塊。比如，scipy中misc和ndimage中都有相應的圖像處理函數，現在就介紹一下scikit-image模塊吧：
1)例圖：
from skimage import datadata裏面會有樣圖，如data.camera()是一張（512， 512）的圖；
2）濾波：
from skimage import filters比如高斯濾波，filters.gaussian(camera, 1)
比如邊緣檢測：filters.sobel(camera)
3）文件讀取：
from skimage import io
io.imread(filename)，其中，filename也可以是URL地址；
io.imsave(path, img).
4)數據類型轉換：
from skimage import img_as_float
camera_f = img_as_float(camera)將原圖uint8類型轉變成[-1, 1]之間的範圍；
5）顏色空間轉換：
from skimage import color
color.rgb2hsvcolor.lab2rgb, etc.
關於圖像預處理和增強
6）局部濾波，如filters.sobel_h(img)
7）非局部濾波，如
rom skimage import exposure
中exposure.equalize_hist(img)做直方圖均衡；
8）數學形態變換
from skimage import morphology具體圖形生成：比如morphology.diamond(1)生成菱形；
腐蝕操作：morphology.binary_erosion(img, selem=None)
selem表示結構元素，用於設定局部區域的形狀和大小。將0值擴充到鄰近像素。擴大黑色部分，減小白色部分。可用來提取骨幹信息，去掉毛刺，去掉孤立的像素。
膨脹操作：morphology.binary)dilation(img, selem = None)
一般對二值圖像進行操作。找到像素值爲1的點，將它的鄰近像素點都設置成這個值。1值表示白，0值表示黑，因此膨脹操作可以擴大白色值範圍，壓縮黑色值範圍。一般用來擴充邊緣或填充小的孔洞。
Opening: erosion + dilation在
注：該操作也適用於非二值圖，即灰度圖，對應的是最小濾波
（scipy.ndimage.morphology同樣也有該操作）
9）圖像分割
基於直方圖分析的二值分割：（Otsu閾值法）如：val = filters.threshold(img)找到閾值，然後通過mask = img < val得到二值圖
圖像打標籤：對於分割後的圖像，可以給每一個區域打標籤，如
from skimage import measure
all_labels = measure.label(blobs)
另外，scipy中也有相應操作；
水域分割算法（也叫分水嶺算法）：
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) 另一個隨機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）測量區域屬性，如面積和周長
properties = measure.regionprops(labels_rw)>>> [prop.area for prop in properties] [770, 1168] >>> [prop.perimeter for prop in properties] [100.91…, 126.81…]
11）數據可視化和交互
matplotlib中提供了plt.imshow等函數，結合以上濾波、分割(segmentation.clear_border(mask))等使用
另外，skimage也提供顯示圖像的函數，不過也是基於matplotlib，貌似功能更強大：
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中的特徵提取
from skimage import feature
不同角點特徵：
from skimage.feature import corner_harris, corner_subpix, corner_peaks
//補充角點特徵知識點
另外skimage.transform提供扭曲和仿射變換操作wrap和AffineTransform
//待補充其它特徵提取函數
