python翻轉圖片

⑴ python：PIL圖像處理

PIL (Python Imaging Library)

Python圖像處理庫，該庫支持多種文件格式，提供強大的圖像處理功能。

PIL中最重要的類是Image類，該類在Image模塊中定義。

從文件載入圖像：

如果成功，這個函數返回一個Image對象。現在你可以使用該對象的屬性來探索文件的內容。

format 屬性指定了圖像文件的格式，如果圖像不是從文件中載入的則為 None 。
size 屬性是一個2個元素的元組，包含圖像寬度和高度（像素）。
mode 屬性定義了像素格式，常用的像素格式為：「L」 (luminance) - 灰度圖, 「RGB」 , 「CMYK」。

如果文件打開失敗, 將拋出IOError異常。

一旦你擁有一個Image類的實例，你就可以用該類定義的方法操作圖像。比如：顯示

( show() 的標准實現不是很有效率，因為它將圖像保存到一個臨時文件，然後調用外部工具（比如系統的默認圖片查看軟體）顯示圖像。該函數將是一個非常方便的調試和測試工具。)

接下來的部分展示了該庫提供的不同功能。

PIL支持多種圖像格式。從磁碟中讀取文件，只需使用 Image 模塊中的 open 函數。不需要提供文件的圖像格式。PIL庫將根據文件內容自動檢測。

如果要保存到文件，使用 Image 模塊中的 save 函數。當保存文件時，文件名很重要，除非指定格式，否則PIL庫將根據文件的擴展名來決定使用哪種格式保存。

** 轉換文件到JPEG **

save 函數的第二個參數可以指定使用的文件格式。如果文件名中使用了一個非標準的擴展名，則必須通過第二個參數來指定文件格式。

** 創建JPEG縮略圖 **

需要注意的是，PIL只有在需要的時候才載入像素數據。當你打開一個文件時，PIL只是讀取文件頭獲得文件格式、圖像模式、圖像大小等屬性，而像素數據只有在需要的時候才會載入。

這意味著打開一個圖像文件是一個非常快的操作，不會受文件大小和壓縮演算法類型的影響。

** 獲得圖像信息 **

Image 類提供了某些方法，可以操作圖像的子區域。提取圖像的某個子區域，使用 crop() 函數。

** 復制圖像的子區域 **

定義區域使用一個包含4個元素的元組，(left, upper, right, lower)。坐標原點位於左上角。上面的例子提取的子區域包含300x300個像素。

該區域可以做接下來的處理然後再粘貼回去。

** 處理子區域然後粘貼回去 **

當往回粘貼時，區域的大小必須和參數匹配。另外區域不能超出圖像的邊界。然而原圖像和區域的顏色模式無需匹配。區域會自動轉換。

** 滾動圖像 **

paste() 函數有個可選參數，接受一個掩碼圖像。掩碼中255表示指定位置為不透明，0表示粘貼的圖像完全透明，中間的值表示不同級別的透明度。

PIL允許分別操作多通道圖像的每個通道，比如RGB圖像。 split() 函數創建一個圖像集合，每個圖像包含一個通道。 merge() 函數接受一個顏色模式和一個圖像元組，然後將它們合並為一個新的圖像。接下來的例子交換了一個RGB圖像的三個通道。

** 分離和合並圖像通道 **

對於單通道圖像， split() 函數返回圖像本身。如果想處理各個顏色通道，你可能需要先將圖像轉為RGB模式。

resize() 函數接受一個元組，指定圖像的新大小。
rotate() 函數接受一個角度值，逆時針旋轉。

** 基本幾何變換 **

圖像旋轉90度也可以使用 transpose() 函數。 transpose() 函數也可以水平或垂直翻轉圖像。

** transpose **

transpose() 和 rotate() 函數在性能和結果上沒有區別。

更通用的圖像變換函數為 transform() 。

PIL可以轉換圖像的像素模式。

** 轉換顏色模式 **

PIL庫支持從其他模式轉為「L」或「RGB」模式，其他模式之間轉換，則需要使用一個中間圖像，通常是「RGB」圖像。

ImageFilter 模塊包含多個預定義的圖像增強過濾器用於 filter() 函數。

** 應用過濾器 **

point() 函數用於操作圖像的像素值。該函數通常需要傳入一個函數對象，用於操作圖像的每個像素：

** 應用點操作 **

使用以上技術可以快速地對圖像像素應用任何簡單的表達式。可以結合 point() 函數和 paste 函數修改圖像。

** 處理圖像的各個通道 **

注意用於創建掩碼圖像的語法：

Python計算邏輯表達式採用短路方式，即：如果and運算符左側為false，就不再計算and右側的表達式，而且返回結果是表達式的結果。比如 a and b 如果a為false則返回a，如果a為true則返回b，詳見Python語法。

對於更多高級的圖像增強功能，可以使用 ImageEnhance 模塊中的類。

可以調整圖像對比度、亮度、色彩平衡、銳度等。

** 增強圖像 **

PIL庫包含對圖像序列（動畫格式）的基本支持。支持的序列格式包括 FLI/FLC 、 GIF 和一些實驗性的格式。 TIFF 文件也可以包含多個幀。

當打開一個序列文件時，PIL庫自動載入第一幀。你可以使用 seek() 函數 tell() 函數在不同幀之間移動。

** 讀取序列 **

如例子中展示的，當序列到達結尾時，將拋出EOFError異常。

注意當前版本的庫中多數底層驅動只允許seek到下一幀。如果想回到前面的幀，只能重新打開圖像。

以下迭代器類允許在for語句中循環遍歷序列：

** 一個序列迭代器類 **

PIL庫包含一些函數用於將圖像、文本列印到Postscript列印機。以下是一個簡單的例子。

** 列印到Postscript **

如前所述，可以使用 open() 函數打開圖像文件，通常傳入一個文件名作為參數：

如果打開成功，返回一個Image對象，否則拋出IOError異常。

也可以使用一個file-like object代替文件名（暫可以理解為文件句柄）。該對象必須實現read，seek，tell函數，必須以二進制模式打開。

** 從文件句柄打開圖像 **

如果從字元串數據中讀取圖像，使用StringIO類：

** 從字元串中讀取 **

如果圖像文件內嵌在一個大文件里，比如 tar 文件中。可以使用ContainerIO或TarIO模塊來訪問。

** 從tar文檔中讀取 **

** 該小節不太理解，請參考原文 **

有些解碼器允許當讀取文件時操作圖像。通常用於在創建縮略圖時加速解碼（當速度比質量重要時）和輸出一個灰度圖到激光列印機時。

draft() 函數。

** Reading in draft mode **

輸出類似以下內容：

注意結果圖像可能不會和請求的模式和大小匹配。如果要確保圖像不大於指定的大小，請使用 thumbnail 函數。

Python2.7 教程 PIL
http://www.liaoxuefeng.com/wiki//

Python 之 使用 PIL 庫做圖像處理
http://www.cnblogs.com/way_testlife/archive/2011/04/17/2019013.html

來自 http://effbot.org/imagingbook/introction.htm

⑵ 請問如何將此圖用php或者python復原

它這是把圖片16等分（寬、高各四等分），然後把它們的順序隨機打亂，那串逗號分隔的數字記錄的就是它們的實際編號。
最簡單的還原方法，就是在html前端直接利用css3的background-position屬性結合background-size屬性進行顯示。當然這個方法並沒有實際改變圖片。
要想實際改變圖片，就要利用php的圖片處理方法進行拼接。限於篇幅，這里沒法提供代碼，自己去研究吧。

⑶ python 圖像旋轉怎麼去除黑邊

去除黑邊現象的辦法：
1）在做圖像坐標映射反查的時候，算出當前點在原始圖像的外部還是內部，若在外部，判斷當前像素點的X或者Y位置，找臨近四個邊界的像
素值代替；

該方法太過繁瑣，適合自己寫程序實現，如若想調用現有的一些庫函數，可以考慮2）做法：

2）將待旋轉的圖像進行邊界填充，最不濟的情況下可以擴充為原始圖像的大小；

旋轉邊界填充圖像；

計算原始圖像經過旋轉以後的結果圖像的尺寸大小；

在邊界填充旋轉圖像上截取目標圖像；（圖像都是按照圖像中心旋轉的）；
附上一段matlab人臉根據人眼位置對齊的代碼：
[plain] view plain
eye_angle = atan2( (eye_pts(2,2) - eye_pts(1,2)),(eye_pts(2,1) - eye_pts(1,1) ) ) * 180 / pi; % 人眼的傾斜角度
if eye_angle < 0
eye_angle = eye_angle + 360;
end
if floor(eye_angle) <= 5 || floor( 360 - eye_angle ) <= 5
continue;
end % 5度之內不做對齊操作
img = imread(img_path);
[m,n,~] = size(img);
img_pad = padarray(img,[m n],'both','replicate');% 擴充圖像
img_pad_rotate = imrotate(img_pad,eye_angle,'bilinear'); % 旋轉擴充圖像
[m_pad_r,n_pad_r,~] = size(img_pad_rotate);
[plain] view plain
eye_angle = eye_angle * pi / 180;
f_cos = cos(eye_angle);f_sin = sin(eye_angle);
new_m = floor(m * abs(f_cos) + n * abs(f_sin));
new_n = floor(n * abs(f_sin) + m * abs(f_cos));% 最終對齊圖像的大小
left = floor((n_pad_r - new_n) / 2);right = left + new_n;
bott = floor((m_pad_r - new_m) / 2);up = bott + new_m;
face_rorate = img_pad_rotate(bott : up,left : right,:); % 截取目標圖像
figure,imshow(face_rorate)

⑷ 1.圖像裁剪、加邊框、旋轉（Python PIL）

        日常工作中經常要用Photoshop列印一些地質圖，雖然說PS有動作錄制的功能，但是列印這個功能我嘗試過錄制動作後並未能成功運行，而且要列印的圖像尺寸很多都是不同的，試了幾次後就放棄了，直到後來Python學起來了，通過pywinauto庫實現了這個功能，在這里就簡單記錄下吧。

        在寫Photoshop的列印操作之前，先來回顧下列印之前的圖像處理工作。

        接到的地質圖多為MapGIS程序導出的jpg圖片，偶爾也會有Tif格式的遙感圖。對這些圖像進行列印很簡單，基本流程是：用PS打開圖像->裁剪圖像四周空白邊緣->為圖像四周加上3cm寬白色邊框（為了美觀和裝訂的需要）->列印。那為啥用PS來列印不直接用Windows自帶列印呢，應該是列印需要用到PS特定的顏色處理模式吧，經過試驗，通過兩種方式打出來的色彩效果確實是不同的。

        列印前圖像處理的主要目標很簡單：

                1、裁剪圖像四周空白

                2、為圖像四周加上3cm白色邊框   

下面就用Python實現它們

圖像處理主要用的是PIL這個庫，中途由於單位電腦比較舊（4g內存Win7 32位系統，後來重裝成64位了，體驗就是搞這種東西必須整個64位系統），性能不太行了，也用Opencv整了下，還是感覺PIL稍微快那麼一點點，不知道是不是錯覺呢。

（後來發現這兩步在PS錄個動作也能輕松完成(￫ܫ￩)）

一、獲取所有圖片路徑

        有時候要列印的圖片會放在好多個不同文件夾裡面，要把它們遍歷出來：

import os

二、讀取圖片並裁剪四周空白

import PIL

獲得了圖像尺寸後接下來就要對圖像進行邊緣空白的裁剪了（其實這兩步不分先後順序的）：

裁剪的思路是網上搜到的，整理下就是：

    1、先把圖像轉成灰度模式（值變成單一的0-255以方便判斷，如果要裁剪其他顏色我就不知道了，我這里只要裁掉最常見的由MapGIS導出的標準的白色邊緣）。

    2、分別從四個方向掃描圖像，找到四個方向各自第一個灰度值不為255（最純粹的白色(￫ܫ￩)）的像素，記下它的坐標(i,j)。

    3、通過四組坐標大小比較，得到圖像除了四周空白區域外的坐標極值，也就得到了裁剪的區域左上（left，top）和右下坐標（right，bottom）。

    4、利用PIL.Image.crop()，完成圖像的裁剪。

    5、沒了，就是後來發現PIL自帶這個演算法，引用一下： 使用PIL裁剪圖片白邊

        要是用PS來做呢，『圖像-裁切-確定』就完事了。

三、給裁剪後的圖像加上x厘米的白色邊框

這一步主要是為了列印出來的圖規范且美觀。

這一步要是用PS來搞，『圖像-畫布大小-設置相對的寬度和高度』 就好了

四、判斷圖像是否需要旋轉。

為什麼要旋轉這些圖像呢？因為最終是要把它們用列印機列印出來，而列印機能列印的最大寬度是有限的，所以就有了這個步驟。

單位的列印機型號是惠普的HP DesignJet Z6200 60 英寸照片列印機，最大列印紙張寬度是60英寸，大約就是1524mm左右吧，除了最大尺寸外，日常還用到的紙張寬度有440、610、914、1067、1274等6、7種吧，所以出於節約列印時間和省錢的考慮，為每張圖選擇最合適的列印紙張寬度也是很有必要的。

判斷圖像是否需要旋轉的思路是這樣的：

    1、比較圖像的寬和高，判斷誰是圖像的長邊和短邊。

    2、短邊如果大於1524mm，這圖按1:1就打不出來了，超過列印機最大可裝入的紙張的寬度，把這個圖像文件放到Oversize_path路徑下，後續自己看著辦。

    3、在短邊小於等於1524mm的前提下，根據對圖像寬高和長短邊的比較，有兩種需要旋轉的情況：

            3.1 如果圖像的寬是長邊（矮胖的矩形），且寬大於1524mm，那麼這圖得旋轉90°；

            3.2 如果圖像的高是長邊（瘦高的矩形），且高小於1524mm，那麼這圖也得旋轉90°。

*printTOtkinter()是個用tkinter搞的進度顯示窗口，就輸出下一些文本信息而已。

五、為圖像選擇最合適的列印紙張尺寸

單位列印紙有438、610、914、1524等7種寬度，現在要選出最適合的一種來進行列印。

在把短邊大於1524這種情況排除之後，剩下的圖像情況為短邊小於1524，即單位的列印機能列印出來了。

這時要判斷最佳列印用紙的寬度，有兩種情況需要考慮：

    1、長邊＞1524，改用短邊來比較選擇列印紙寬度。

    2、長邊 ≤ 1524，用長邊來比較選擇列印紙寬度。

下面思路就是把要用作比較的邊長放入紙張寬度列表，把列表排序後找到比這個邊長大一點的那個紙張寬度。

主要的步驟就是這些，再經過一頓復制粘貼完善一下其他細節之後，最後會得到一個存放列印信息的列表，把它用txt存起來，這樣後面的PS批量列印需要的信息就全部搞到手了。最後放個gif。

⑸ python做三維圖結果怎麼用滑鼠拖動旋轉

旋轉視角，要根據三角函數計算的，每轉動一個角度都需要重新計算，這些都需要實現，之後根據轉動的數值傳入進去，計算後，重新畫圖

⑹ python opencv 批量旋轉圖像，使 圖像內容不改變，並保存

from PIL import Image
import os

import cv2
from math import *
import numpy as np

path_old ='G:'

degrees=[]
for k in range(1,25):
degrees.append(k*15)

for item in os.listdir(path_old):
in_imgpath = path_old + item
out_name = os.path.splitext(item)[0]
print(in_imgpath)

⑺ 怎麼樣在python中讓最後畫出來的圖翻轉90度

importImage
importos
importglob

dir="f:mobile"
#取出指定文件
file=glob.glob(os.path.join(dir,'xxx.JPG'))

#打開圖片
img=Image.open(file)

#顯示圖片
img.show()
printimg.format,img.size,img.mode
print"rotatingimage....."
im=img.rotate(90)
im.save(image)

我不知道你怎麼畫的，但旋轉請參考以上代碼

⑻ 10 個 Python 圖像編輯工具

以下提到的這些 Python 工具在編輯圖像、操作圖像底層數據方面都提供了簡單直接的方法。

-- Parul Pandey

當今的世界充滿了數據，而圖像數據就是其中很重要的一部分。但只有經過處理和分析，提高圖像的質量，從中提取出有效地信息，才能利用到這些圖像數據。

常見的圖像處理操作包括顯示圖像，基本的圖像操作，如裁剪、翻轉、旋轉；圖像的分割、分類、特徵提取；圖像恢復；以及圖像識別等等。Python 作為一種日益風靡的科學編程語言，是這些圖像處理操作的最佳選擇。同時，在 Python 生態當中也有很多可以免費使用的優秀的圖像處理工具。

下文將介紹 10 個可以用於圖像處理任務的 Python 庫，它們在編輯圖像、查看圖像底層數據方面都提供了簡單直接的方法。

scikit-image 是一個結合 NumPy 數組使用的開源 Python 工具，它實現了可用於研究、教育、工業應用的演算法和應用程序。即使是對於剛剛接觸 Python 生態圈的新手來說，它也是一個在使用上足夠簡單的庫。同時它的代碼質量也很高，因為它是由一個活躍的志願者社區開發的，並且通過了 同行評審(peer review)。

scikit-image 的 文檔 非常完善，其中包含了豐富的用例。

可以通過導入 skimage 使用，大部分的功能都可以在它的子模塊中找到。

圖像濾波(image filtering)：

使用 match_template() 方法實現 模板匹配(template matching)：

在 展示頁面 可以看到更多相關的例子。

NumPy 提供了對數組的支持，是 Python 編程的一個核心庫。圖像的本質其實也是一個包含像素數據點的標准 NumPy 數組，因此可以通過一些基本的 NumPy 操作（例如切片、 掩膜(mask)、 花式索引(fancy indexing)等），就可以從像素級別對圖像進行編輯。通過 NumPy 數組存儲的圖像也可以被 skimage 載入並使用 matplotlib 顯示。

在 NumPy 的 官方文檔 中提供了完整的代碼文檔和資源列表。

使用 NumPy 對圖像進行 掩膜(mask)操作：

像 NumPy 一樣， SciPy 是 Python 的一個核心科學計算模塊，也可以用於圖像的基本操作和處理。尤其是 SciPy v1.1.0 中的 scipy.ndimage 子模塊，它提供了在 n 維 NumPy 數組上的運行的函數。SciPy 目前還提供了 線性和非線性濾波(linear and non-linear filtering)、 二值形態學(binary morphology)、 B 樣條插值(B-spline interpolation)、 對象測量(object measurements)等方面的函數。

在 官方文檔 中可以查閱到 scipy.ndimage 的完整函數列表。

使用 SciPy 的 高斯濾波 對圖像進行模糊處理：

PIL (Python Imaging Library) 是一個免費 Python 編程庫，它提供了對多種格式圖像文件的打開、編輯、保存的支持。但在 2009 年之後 PIL 就停止發布新版本了。幸運的是，還有一個 PIL 的積極開發的分支 Pillow ，它的安裝過程比 PIL 更加簡單，支持大部分主流的操作系統，並且還支持 Python 3。Pillow 包含了圖像的基礎處理功能，包括像素點操作、使用內置卷積內核進行濾波、顏色空間轉換等等。

Pillow 的 官方文檔 提供了 Pillow 的安裝說明自己代碼庫中每一個模塊的示例。

使用 Pillow 中的 ImageFilter 模塊實現圖像增強：

OpenCV（Open Source Computer Vision 庫）是計算機視覺領域最廣泛使用的庫之一， OpenCV-Python 則是 OpenCV 的 Python API。OpenCV-Python 的運行速度很快，這歸功於它使用 C/C++ 編寫的後台代碼，同時由於它使用了 Python 進行封裝，因此調用和部署的難度也不大。這些優點讓 OpenCV-Python 成為了計算密集型計算機視覺應用程序的一個不錯的選擇。

入門之前最好先閱讀 OpenCV2-Python-Guide 這份文檔。

使用 OpenCV-Python 中的 金字塔融合(Pyramid Blending)將蘋果和橘子融合到一起：

SimpleCV 是一個開源的計算機視覺框架。它支持包括 OpenCV 在內的一些高性能計算機視覺庫，同時不需要去了解 位深度(bit depth)、文件格式、 色彩空間(color space)之類的概念，因此 SimpleCV 的學習曲線要比 OpenCV 平緩得多，正如它的口號所說，「將計算機視覺變得更簡單」。SimpleCV 的優點還有：

官方文檔 簡單易懂，同時也附有大量的學慣用例。

文檔 包含了安裝介紹、示例以及一些 Mahotas 的入門教程。

Mahotas 力求使用少量的代碼來實現功能。例如這個 Finding Wally 游戲 ：

ITK （Insight Segmentation and Registration Toolkit）是一個為開發者提供普適性圖像分析功能的開源、跨平台工具套件， SimpleITK 則是基於 ITK 構建出來的一個簡化層，旨在促進 ITK 在快速原型設計、教育、解釋語言中的應用。SimpleITK 作為一個圖像分析工具包，它也帶有 大量的組件 ，可以支持常規的濾波、圖像分割、 圖像配准(registration)功能。盡管 SimpleITK 使用 C++ 編寫，但它也支持包括 Python 在內的大部分編程語言。

有很多 Jupyter Notebooks 用例可以展示 SimpleITK 在教育和科研領域中的應用，通過這些用例可以看到如何使用 Python 和 R 利用 SimpleITK 來實現互動式圖像分析。

使用 Python + SimpleITK 實現的 CT/MR 圖像配准過程：

pgmagick 是使用 Python 封裝的 GraphicsMagick 庫。 GraphicsMagick 通常被認為是圖像處理界的瑞士軍刀，因為它強大而又高效的工具包支持對多達 88 種主流格式圖像文件的讀寫操作，包括 DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM、TIFF 等等。

pgmagick 的 GitHub 倉庫 中有相關的安裝說明、依賴列表，以及詳細的 使用指引 。

圖像縮放：

邊緣提取：

Cairo 是一個用於繪制矢量圖的二維圖形庫，而 Pycairo 是用於 Cairo 的一組 Python 綁定。矢量圖的優點在於做大小縮放的過程中不會丟失圖像的清晰度。使用 Pycairo 可以在 Python 中調用 Cairo 的相關命令。

Pycairo 的 GitHub 倉庫 提供了關於安裝和使用的詳細說明，以及一份簡要介紹 Pycairo 的 入門指南 。

使用 Pycairo 繪制線段、基本圖形、 徑向漸變(radial gradients)：

以上就是 Python 中的一些有用的圖像處理庫，無論你有沒有聽說過、有沒有使用過，都值得試用一下並了解它們。

via: https://opensource.com/article/19/3/python-image-manipulation-tools

作者： Parul Pandey 選題： lujun9972 譯者： HankChow 校對： wxy

⑼ python 圖片移動

#-*-coding:gbk-*-
importImage
importImageDraw
importImageChops

im=Image.new('RGB',(800,600),'white')
im2=Image.open('test.png')

#測試圖放畫布左邊，畫布右邊底色塗黃
left=(im.size[0]/2-im2.size[0])/2
upper=(im.size[1]-im2.size[1])/2
im.paste(im2,(left,upper))
im.paste('yellow',(im.size[0]/2,0)+im.size)
im.show()

#因要旋轉得計算測試圖對角線，然後切出
d=int((im2.size[0]**2+im2.size[1]**2)**0.5)
left=(im.size[0]/2-d)/2
upper=(im.size[1]-d)/2
bbox=(left,upper,left+d,upper+d)
cp=im.crop(bbox)

#圖底不是黑先做mask再作旋轉，
#mask做法不一，按測試圖可選取g或b通道
r,g,b=cp.split()
mask=g.point(lambdai:i<250and255)
angle=30
mask=mask.rotate(angle)
cp=cp.rotate(angle)

#利用mask貼在畫布右邊黃底區內
im.paste(cp,(left+im.size[0]/2,upper),mask)
im.show()

⑽ 常用的十大python圖像處理工具

原文標題：10 Python image manipulation tools.
作者 | Parul Pandey
翻譯 | 安其羅喬爾、JimmyHua
今天，在我們的世界裡充滿了數據，圖像成為構成這些數據的重要組成部分。但無論是用於何種用途，這些圖像都需要進行處理。圖像處理就是分析和處理數字圖像的過程，主要旨在提高其質量或從中提取一些信息，然後可以將其用於某種用途。
圖像處理中的常見任務包括顯示圖像，基本操作如裁剪、翻轉、旋轉等，圖像分割，分類和特徵提取，圖像恢復和圖像識別。Python成為這種圖像處理任務是一個恰當選擇，這是因為它作為一種科學編程語言正在日益普及，並且在其生態系統中免費提供許多最先進的圖像處理工具供大家使用。
讓我們看一下可以用於圖像處理任務中的常用 Python 庫有哪些吧。

1.scikit-image
scikit-image是一個開源的Python包，適用於numpy數組。它實現了用於研究，教育和工業應用的演算法和實用工具。即使是那些剛接觸Python生態系統的人，它也是一個相當簡單直接的庫。此代碼是由活躍的志願者社區編寫的，具有高質量和同行評審的性質。
資源
文檔里記錄了豐富的例子和實際用例，閱讀下面的文檔：
http://scikit-image.org/docs/stable/user_guide.html
用法
該包作為skimage導入，大多數功能都在子模塊中找的到。下面列舉一些skimage的例子：
圖像過濾

使用match_template函數進行模板匹配

你可以通過此處查看圖庫找到更多示例。
2. Numpy
Numpy是Python編程的核心庫之一，並為數組提供支持。圖像本質上是包含數據點像素的標准Numpy數組。因此，我們可以通過使用基本的NumPy操作，例如切片、掩膜和花式索引，來修改圖像的像素值。可以使用skimage載入圖像並使用matplotlib顯示圖像。
資源
Numpy的官方文檔頁面提供了完整的資源和文檔列表：
http://www.numpy.org/
用法
使用Numpy來掩膜圖像.

3.Scipy
scipy是Python的另一個類似Numpy的核心科學模塊，可用於基本的圖像操作和處理任務。特別是子模塊scipy.ndimage，提供了在n維NumPy數組上操作的函數。該包目前包括線性和非線性濾波，二值形態學，B樣條插值和對象測量等功能函數。
資源
有關scipy.ndimage包提供的完整功能列表，請參閱下面的鏈接：
https://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.html#correlation-and-convolution
用法
使用SciPy通過高斯濾波器進行模糊：

4. PIL/ Pillow
PIL( Python圖像庫 )是Python編程語言的一個免費庫，它支持打開、操作和保存許多不同的文件格式的圖像。然而， 隨著2009年的最後一次發布，它的開發停滯不前。但幸運的是還有有Pillow，一個PIL積極開發的且更容易安裝的分支，它能運行在所有主要的操作系統，並支持Python3。這個庫包含了基本的圖像處理功能，包括點運算、使用一組內置卷積核的濾波和色彩空間的轉換。
資源
文檔中有安裝說明，以及涵蓋庫的每個模塊的示例：
https://pillow.readthedocs.io/en/3.1.x/index.html
用法
在 Pillow 中使用 ImageFilter 增強圖像：

5. OpenCV-Python
OpenCV( 開源計算機視覺庫 )是計算機視覺應用中應用最廣泛的庫之一 。OpenCV-Python 是OpenCV的python版API。OpenCV-Python的優點不只有高效，這源於它的內部組成是用C/C++編寫的，而且它還容易編寫和部署（因為前端是用Python包裝的）。這使得它成為執行計算密集型計算機視覺程序的一個很好的選擇。
資源
OpenCV-Python-Guide指南可以讓你使用OpenCV-Python更容易：
https://github.com/abidrahmank/OpenCV2-Python-Tutorials
用法
下面是一個例子，展示了OpenCV-Python使用金字塔方法創建一個名為「Orapple」的新水果圖像融合的功能。

6. SimpleCV
SimpleCV 也是一個用於構建計算機視覺應用程序的開源框架。有了它，你就可以訪問幾個高性能的計算機視覺庫，如OpenCV，而且不需要先學習了解位深度、文件格式、顏色空間等。
它的學習曲線大大小於OpenCV，正如它們的口號所說「計算機視覺變得簡單」。一些支持SimpleCV的觀點有：
即使是初學者也可以編寫簡單的機器視覺測試攝像機、視頻文件、圖像和視頻流都是可互操作的資源
官方文檔非常容易理解，而且有大量的例子和使用案例去學習：
https://simplecv.readthedocs.io/en/latest/
用法

7. Mahotas
Mahotas 是另一個計算機視覺和圖像處理的Python庫。它包括了傳統的圖像處理功能例如濾波和形態學操作以及更現代的計算機視覺功能用於特徵計算，包括興趣點檢測和局部描述符。該介面是Python語言，適合於快速開發，但是演算法是用C語言實現的，並根據速度進行了調優。Mahotas庫速度快，代碼簡潔，甚至具有最小的依賴性。通過原文閱讀它們的官方論文以獲得更多的了解。
資源
文檔包括安裝指導，例子，以及一些教程，可以更好的幫助你開始使用mahotas。
https://mahotas.readthedocs.io/en/latest/install.html
用法
Mahotas庫依賴於使用簡單的代碼來完成任務。關於『Finding Wally』的問題，Mahotas做的很好並且代碼量很少。下面是源碼：
https://mahotas.readthedocs.io/en/latest/wally.html

8. SimpleITK
ITK 或者 Insight Segmentation and Registration Toolkit是一個開源的跨平台系統，為開發人員提供了一套廣泛的圖像分析軟體工具 。其中, SimpleITK是建立在ITK之上的簡化層，旨在促進其在快速原型設計、教育、解釋語言中的應用。SimpleITK 是一個圖像分析工具包，包含大量支持一般過濾操作、圖像分割和匹配的組件。SimpleITK本身是用C++寫的，但是對於包括Python以內的大部分編程語言都是可用的。
資源
大量的Jupyter Notebooks 表明了SimpleITK在教育和研究領域已經被使用。Notebook展示了用Python和R編程語言使用SimpleITK來進行互動式圖像分析。
http://insightsoftwareconsortium.github.io/SimpleITK-Notebooks/
用法
下面的動畫是用SimpleITK和Python創建的剛性CT/MR匹配過程的可視化 。點擊此處可查看源碼！

9. pgmagick
pgmagick是GraphicsMagick庫的一個基於python的包裝。 GraphicsMagick圖像處理系統有時被稱為圖像處理的瑞士軍刀。它提供了一個具有強大且高效的工具和庫集合，支持以88種主要格式(包括重要格式，如DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM和TIFF)讀取、寫入和操作圖像。
資源
有一個專門用於PgMagick的Github庫 ，其中包含安裝和需求說明。還有關於這個的一個詳細的用戶指導：
https://github.com/hhatto/pgmagick
用法
使用pgmagick可以進行的圖像處理活動很少，比如：
圖像縮放

邊緣提取

10. Pycairo
Pycairo是圖像處理庫cairo的一組Python捆綁。Cairo是一個用於繪制矢量圖形的2D圖形庫。矢量圖形很有趣，因為它們在調整大小或轉換時不會失去清晰度 。Pycairo是cairo的一組綁定，可用於從Python調用cairo命令。
資源
Pycairo的GitHub庫是一個很好的資源，有關於安裝和使用的詳細說明。還有一個入門指南，其中有一個關於Pycairo的簡短教程。
庫：https://github.com/pygobject/pycairo指南：https://pycairo.readthedocs.io/en/latest/tutorial.html用法
使用Pycairo繪制線條、基本形狀和徑向梯度：

總結
有一些有用且免費的Python圖像處理庫可以使用，有的是眾所周知的，有的可能對你來說是新的，試著多去了解它們。