前言
在数字化时代，图像作为重要数据载体，其处理与分析至关重要。常见的图像处理任务包括显示、基本操作（裁剪、翻转、旋转）、分割、分类、特征提取及图像恢复等。Python 凭借其科学计算生态和丰富工具，成为该领域的绝佳选择。本文将介绍 10 个常用的 Python 图像处理库及其适用场景。
环境准备
大多数库可通过 pip 安装。建议先配置虚拟环境以确保依赖隔离：
pip install numpy scikit-image opencv-python pillow scipy mahotas simpleitk pgmagick pycairo
1. scikit-image
scikit-image 是与 NumPy 数组协同工作的开源包，适用于研究、教育和行业应用。它实现了多种算法和实用程序，代码质量高且经过同行评审。
- 特点：API 直观，适合学术研究与原型开发。
- 用法：通过 skimage 导入，功能分布在子模块中，如图像过滤、模板匹配等。常用于科研中的图像分析流程构建。
2. NumPy
NumPy 是 Python 核心库，提供多维数组支持。图像本质上是像素数据的 NumPy 数组。
- 特点：基础操作灵活，支持切片、掩码和高级索引。
- 用法：结合 skimage 加载图像，使用 Matplotlib 显示，直接修改像素值。它是其他图像处理库的底层依赖。
3. SciPy
SciPy 是核心科学模块，包含 scipy.ndimage 子模块，用于 n 维数组处理。
- 特点：支持线性/非线性滤波、形态学操作、B 样条插值及对象测量。
- 用法：常用于需要复杂数学变换的图像处理任务，如高斯模糊或距离变换。
4. PIL / Pillow
PIL 已停止更新，Pillow 是其活跃分支，支持 Python 3 及多平台。
- 特点：支持多种图像格式读写，内置点操作、卷积过滤及颜色空间转换。
- 用法：适合基础图像增强与格式转换任务，Web 后端图片处理首选。
5. OpenCV-Python
OpenCV 是计算机视觉领域最广泛使用的库，OpenCV-Python 为其 Python API。
- 特点：底层为 C/C++，速度快，适合计算密集型任务。
- 用法：支持金字塔图像混合等高级功能，部署便捷。工业级视频流处理推荐。
6. SimpleCV
SimpleCV 是基于 OpenCV 等库的高层框架，旨在降低计算机视觉门槛。
- 特点：学习曲线平缓，隐藏了位深度、文件格式等细节。
- 用法：适合初学者快速构建视觉测试应用，支持摄像头与视频流交互。
7. Mahotas
Mahotas 提供传统图像处理与现代特征计算功能，接口为 Python，算法用 C++ 实现。
- 特点：运行快速，依赖小，代码简约。
- 用法：适用于兴趣点检测、局部描述符计算及特定模式识别问题。
8. SimpleITK
SimpleITK 是 ITK 的简化层，专为医学图像分析设计。
- 特点：支持通用过滤、分割和配准，跨平台。
- 用法：常用于 CT/MR 图像的可视化配准过程，支持 Python 和 R。
9. pgmagick
pgmagick 是 GraphicsMagick 的 Python 包装器，被称为图像处理瑞士军刀。
- 特点：支持超过 88 种格式（JPEG, PNG, PDF 等）。
- 用法：适合需要广泛格式兼容性的缩放、边缘提取等任务。
10. Pycairo
Pycairo 是 Cairo 图形库的 Python 绑定，用于绘制矢量图形。
- 特点：矢量图缩放不失真，适合生成高质量图表。
- 用法：可调用 Cairo 命令绘制线条、形状及渐变效果。
