Snowy
Snowy是一个能够处理和生成图像的小模块。它具有以下特征：
浅显易懂的API接口（只有开源函数组成）。
纯Python3 语言编写。
使用numba进行加速优化。
可配置的边界条件（参见校正模式）。
Snowy 并不把图片定义为一个类对象，而是定义为一个三维numpy数组，该三维数组以行为主序。举个例子，RGB图像具有形状[高度，宽度，3 ]，灰度图像具有形状[高度，宽度，1 ]。Snowy提供了一些实用功能，使其易于与其他模块一起工作（参见互用性）。
安装
安装和更新Snowy，请执行如下命令：
pip3 install -U snowy
使用举例
尺寸调整和模糊处理
以下部分代码首先对图片进行尺寸调整，然后进行模糊化处理，最后把处理后的图片和原始图片水平连接在一起。
以下部分代码首先使用最近邻滤波器对对图片进行放大，再使用默认的米切尔滤波器进行放大。
旋转和翻转
裁剪
如果您需要对图片进行裁剪，只需使用numpy的切片功能即可。
例如，如下代码将载入一张OpenEXR格式的图片，并截取图片的上半部分。
顺便说一句，如果您对色调映射以及其他的HDR操作感兴趣的话，务必看一下hydra模块。如果您只是想简单加载或者存储原始双精度数据的话，可以考虑使用npy文件，而不是用图像文件。相对应的函数是numpy.load(filename) 和 numpy.save(filename, array)。
Alpha合成
如果您要将某张图片的一部分复制到另外一张图上，只需使用numpy的切片功能即可。
但是您想将两部分图片实现source-over（在目标图像上显示源图像）风格的叠加，使用numpy的函数是比较麻烦的。Snowy提供的组合功能使这样的操作变得更容易：
阴影
把模糊处理和合成两个功能联合起来使用，可以生成带阴影效果的图片，如下
梯度噪声
Snowy的generate_noise函数可以生成一个值在[-1，+1 ]之间的单通道图像。下面的代码生成了一个可以平铺的平方噪声图像：
如果您对其他类型的噪声感兴趣的话，或者您需要一个超级快的噪声生成器，你可以试试pyfastnoisesimd.模块
距离场
下面这个例子使用generate_sdf函数从一副黑白图像产生了有向距离场，图像由被正方形包围的两个圆构成。注意使用归一化函数（unitize）将图像值调整到[0,1]之间。
生成图像
结合Snowy独特的功能特性和numpy可以生成一些有序的程序化图像。下面的例子对一个虚构海岛生成了对应的海拔图像。
形变模式
Snowy的blur, resize, generate_noise, and generate_sdf的函数都有一个wrapx和wrapy参数，默认值是False。这些参数告诉Snowy如何从源图像边界外或噪声函数取样。
为了帮助大家理解参数的含义，看下面这幅平铺图片及其2*2的扩展图像：
接下来，我们对扩展图像进行模糊处理：
看到图片之间的接缝了么？现在我们重新对图片进行模糊处理，但是在调用blur函数时，将wrapx和wrapy参数设置为True。
可形变梯度噪声
形变参数对于2D的噪声处理也是很有帮助的。一种生成可平铺梯度噪声的方法是在圆柱体，圆环面或立方体的表面上对3D噪声进行采样。然而，Snowy可以通过arithmetic函数生成2D噪声，这种方式更加有效。
下面的图片，我们使用generate_noise函数创建了一个128x256噪声图像，没有使用wrapx参数，然后将其水平扩展两次：
下面是另一幅梯度噪声的图像，但是这次使用了wrapx参数：
可行变距离场
Snowy的generate_sdf函数同样有warp参数，下面是一个4*2扩展的距离场图像：
下面是同样的图像，但是在调用generate_sdf函数时，wrapx和wrapy参数设置为True:
互操作性
Snowy的算法要求可处理的图像是以行为主序的三维float64精度numpy数组，并且颜色通道位于尾部维度中。如果您使用的其他模块没有遵循此约定，可以考虑使用以下互操作函数进行格式转换。
若要从灰度图像尾部添加或移除1单位，请使用reshape 和unshape函数。
若要在主维度中交换颜色通道，请使用to_planar 和 from_planar。
若要在float64和其他类型之间进行转换，只需使用numpy。 例如，np.uint8（myimg * 255）或np.float64（myimg）/255。
若要交换行列，请使用numpy的swapaxes函数。
英文原文：https://github.prideout.net/snowy/
译者：少年
閱讀更多 Python部落 的文章
