ImagePy教程 —— 擴展功能

ImagePy 是一款基於 Python 的可擴展圖像處理框架，可謂是 Python 版的 ImageJ，但設計更為精簡，可以輕鬆接入 scipy, scikit-image, opencv 等任何基於 numpy 的圖像處理庫。

Github地址：下載地址 主頁：http://www.imagepy.org/

擴展開發

• ImagePy 是什麼

  ImagePyn 不只是一款圖像處理軟體，更是一個超輕量級，高擴展性的插件式圖像處理框架。框架基於 Python 實現，圖像數據基於 Numpy，任何基於 nNumpy 的演算法庫，都可以輕鬆接入，同時 ImagePy n為其提供有好交互環境，包括對話框，圖像預覽，撤銷支持，選區支持，多通道支持和圖像棧支持等…

• 為什麼選擇 Python

  Python語言近年來持續升溫，在這裡，它有如下優勢

1. 語法簡潔，易學，開發環境搭建簡單。
2. 語言靈活性高，編程更方便
3. 有大量的第三方類庫支持，圖像方面有 scipy, scikit-image, opencv等。
4. 大多數科學計算庫都是基於 Numpy 的，這讓設計統一框架變得容易。

拿來主義可以說是 ImagePy 的設計精髓，scikit-image， opencv 等鼎鼎大名的開源圖像處理庫，盡為我所用，並且是輕鬆無縫結合。同樣你也可以輕鬆的擴展一個工具，由於更深入的內容與操作手冊的主旨無關，關於擴展開發，我將在開發文檔中展開介紹，這裡僅僅是一個初步認識，下面就以scikit-image的一個Canny運算元為例，施展吸星大法。同時也結束操作手冊的文檔編寫。

接入Canny運算元的例子

# -*- coding: utf-8 -*nfrom skimage import featurenfrom core.engines import Filternclass Plugin(Filter):n title = Cannyn note = [all, auto_msk, auto_snap, preview]nn para = {sigma:1.0, low_threshold:10, high_threshold:20}nn #parametern view = [(float, (0,10), 1, sigma, sigma, pix),n (slide,(0,30), low_threshold, low_threshold,),n (slide,(0,30), high_threshold, high_threshold,)]n #processn def run(self, ips, snap, img, para = None):n return feature.canny(snap, sigma=para[sigma], low_threshold=para[n low_threshold], high_threshold=para[high_threshold], mask=ips.get_msk())*255n

• 1. 引入核心類庫，引入 Filter

  Filter是濾波器積累，核心類庫是準備接入的核心函數。

• 2. 繼承 Filter

  所有濾波器的基類，集成之後自動獲得了很多交互功能。

• 3. 設定 Title

  這將是菜單欄上展示的內容

• 4. 設定 Note

  這告訴ImagePy需要幫你做哪些前期和後期工作，比如對選區的支持，對圖像棧的支持等。

• 5. 設定 Para

  核心函數需要用到的參數

• 6. 設定 view

  插件執行時的交互方式（與參數對應，只需要指明參數類型，取值範圍等信息即可）

• 7. 核心函數，run

  這一步僅僅是調用核心函數，snap是緩存圖像，img是前景圖，para是通過對話框交互得到的參數。你要做的僅僅是把snap的值經過作用，賦予img。

  OK，一個插件就寫好了，我們試一下效果：

  

可以看到，短短12行代碼，就接入了一個非常酷的邊緣提取功能，是不是很令人興奮！

如希望閱讀更多關於ImagePy的內容，請 回到 ImagePy 文檔目錄