图像处理中常见的任务包括图像显示、裁剪、翻转、旋转等基本操作、图像分割、分类和特征提取、图像恢复和图像识别。Python成为这种图像处理任务的合适选择。这是因为它作为一种科学编程语言越来越受欢迎，而且在其生态系统中有许多最先进的图像处理工具可以免费使用。我们来看一些用于图像处理任务的常用Python库。

1. scikit Image

scikit-image是一个开源的Python包，可以使用 numpy 数组。它实现了用于研究、教育和工业应用的算法和实用程序。它是一个相当简单和直接的库，即使对于Python生态系统的新手也是如此。这些代码是由活跃的志愿者社区编写的，具有高质量和同行评审的特性。

2. Numpy

Numpy是Python编程中的核心库之一，提供对数组的支持。图像本质上是一个包含数据点像素的标准Numpy数组。因此，通过使用基本的NumPy操作，如切片、屏蔽和花式索引，我们可以修改图像的像素值。可以使用skimage加载图像，并使用matplotlib显示图像。

3. Scipy

scipy是Python的另一个核心科学模块，类似于Numpy，可用于基本的图像处理和处理任务。特别是子模块 scipy.ndimage。提供在n维NumPy数组上操作的函数。该软件包目前包括线性和非线性滤波、二元形态学、b样条插值和物体测量功能。

4. PIL/ Pillow

PIL(Python Imaging Library)是Python编程语言的一个免费库，它支持打开、操作和保存许多不同的图像文件格式。然而，随着2009年最后一次发布，它的开发停滞不前。幸运的是，有Pillow，这是PIL的一个积极开发的分支，更容易安装，支持所有主要的操作系统，并支持Python3。该库包含基本的图像处理功能，包括点操作、使用一组内置卷积核进行过滤和颜色空间转换。

5. OpenCV-Python

OpenCV(开放源码计算机视觉库)是最广泛使用的计算机视觉应用程序库之一。 *OpenCV- python *是OpenCV的python API。OpenCV-Python不仅速度快，因为后台由用C/ c++编写的代码组成，而且易于编码和部署(由于前台有Python包装器)。这使得它成为执行计算密集型计算机视觉程序的一个很好的选择。

6. SimpleCV

SimpleCV也是一个用于构建计算机视觉应用程序的开源框架。有了它，你可以访问几个高性能的计算机视觉库，如OpenCV，而不必首先了解位深度、文件格式、颜色空间等。学习曲线大大小于OpenCV，正如他们的口号所说：让计算机视觉变得容易”。一些拥护SimpleCV的观点是：

即使是初学者也可以编写简单的机器视觉测试摄像头、视频文件、图像和视频流都是可互操作的

7. Mahotas

Mahotas是另一个用于Python的计算机视觉和图像处理库。它包含传统的图像处理功能，如滤波和形态学操作，以及更现代的计算机视觉功能，用于特征计算，包括兴趣点检测和局部描述符。该接口是用Python编写的，适合于快速开发，但是算法是用c++实现的，并且针对速度进行了调优。Mahotas库速度快，代码简洁，甚至具有最小的依赖性。阅读他们的官方论文以获得更多的了解。

8. SimpleITK

ITK或Insight Segmentation and Registration Toolkit是一个开源的跨平台系统，为开发人员提供了一套广泛的图像分析软件工具。其中，SimpleITK是构建在ITK之上的一个简化层，旨在促进其在快速原型设计、教育和解释语言中的使用。SimpleITK是一个图像分析工具包，包含大量支持一般过滤操作、图像分割和注册的组件。SimpleITK本身是用c++编写的，但是可以用于包括Python在内的许多编程语言。

9. pgmagick

pgmagick是GraphicsMagick库的一个基于python的包装器。图像处理系统有时被称为图像处理的瑞士军刀。它提供了一个健壮而高效的工具和库集合，支持以88种主要格式(包括重要格式，如DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM和TIFF)读取、写入和操作图像。

10. Pycairo

Pycairo是cairo图形库的一组python绑定。Cairo是一个用于绘制矢量图形的2D图形库。矢量图形很有趣，因为它们在调整大小或转换时不会失去清晰度。Pycairo是cairo的一组绑定，可用于从Python调用cairo命令。

总结

这些是Python中一些有用且免费的图像处理库。有些是众所周知的，有些可能对你来说是新的。可以试着多了解一下。由于opencv目前比较流行，后面我会为大家讲一些关于opencv-python方面的知识。

感兴趣的可以关注我哦~