『壹』 新手學python用什麼軟體
幾款常用的Python軟體工具。
1、Upterm
它是一個全平台的終端，可以說是終端里的IDE，有著強大的自動補全功能。之前的名字叫BlackWindow，有人跟他說這個名字不利於社區推廣，改名叫Upterm之後現在已經17000+Star了。
2、Ptpython
一個互動式的Python解釋器。支持語法高亮、提示甚至是vim和emacs的鍵入模式。
3、Anaconda
它能幫你安裝好許多麻煩的東西，包括：Python環境、pip包管理工具、常用的庫、配置好環境路徑等等。這些事情小白自己一個個去做的話，容易遇到各種問題，帶來挫敗感。如果你想用Python搞數據方面的事情，就安裝它就好了，它甚至開發了一套JIT的解釋器 Numba。所以Anaconda有了JIT之後，對線上科學計算效率要求比較高的東西也可以搞了。
4、CodeSandbox
雖然這個不算是Python開發工具，但如果後端工程師想寫前端的話，這個在線編輯器太方便了，簡直是節省了後端工程師的生命啊！不用安裝npm的幾千個包了，它已經在雲端完成了，采讓你直接就可以上手寫代碼、看效果。對於React、Vue這些主流前端框架都支持。
5、Pycharm
Pycharm是程序員常常使用的開發工具，簡單、易用，並且能夠設置不同的主題模式，根據自己的喜好來設置代碼風格。
6、IPython
如何進行互動式編程？沒錯，就是通過IPython。IPython相對於Python自帶的Shell要好用的多，並且能夠支持代碼縮進、Tab鍵補全代碼等功能。如果進行互動式編程，這是不可缺少的工具。
7、Python Tutor
這個工具可能對初學者比較有用，而對於中高級程序員則用處較少。這個工具的特色是能夠清楚的理解每一行代碼是如何在計算機中執行的，中高級程序員一般通過分步調試可以實現類似的功能。這個工具對於最初接觸Python、最初來學習編程的同學還是非常有用的，初學者不妨體驗看看。
8、IDLE
IDLE是python創初人Guido van Rossum使用python and Tkinter來創建的一個集成開發環境。要使用IDLE必須安裝python and Tkinter。特性：自動縮進，彩色編碼，命令歷史(Alt+p,Alt+n)和單詞自動(Alt+/)完成。用IDLE執行Tkinter程序，不要在程序中包括mainloop。IDLE本身就是Tkinter應用程序，它會自動調用mainloop。再調用一次mainloop會與IDLE的事件循環沖突，造成運行時錯誤。
9、BlackAdder
BlackAdder支持windows and linux環境。用它創建的程序可在任何一種平台上運行，負責維護它的是TheKompany.com。他們發布了該軟體的個人版，只提供有限的支持；以及專業版，需要許可，面向商業軟體開發者。
10、Komodo Edit
Open Komodo是Komodo edit的開源發布 ，一個免費的動態語言的多語言編輯器，基於屢獲殊榮的Komodo IDE。既支持Perl、PHP、Python、Ruby、Tcl等服務端語言，也支持CSS、HTML、JavaScript、XML等。在使用Komodo Edit編寫代碼時，通過其提供的自動完成、調用提示、語法糾正、代碼片斷等功能可以充分提高你的編碼效率，助你寫出高質量的代碼。
相信大家看完以上推薦的十款Python軟體工具，一定對「學Python需要安裝什麼軟體」這個問題有了答案。那麼趕緊用起來吧，相信安裝了以上的軟體工具，大家學Python的效率會有很大的改善。
『貳』 俺們是Python的小菜，求大神幫忙解決個問題
原因：
你當前使用的python文件JudgeYear.py，是用的是非UTF-8編碼的，即你用的是GBK編碼的。
當你運行你的JudgeYear.py時，由於你沒有指定你的JudgeYear.py文件本身所採用的編碼類型，所以python解析器會去按照默認的UTF-8去解析你的JudgeYear.py，但是實際上你的JudgeYear.py是用GBK編碼保存的，所以就出現上面的解析的錯誤了。
解決辦法：
兩種：
（1）指定JudgeYear.py的編碼為GBK
做法：
在你的文件最開始部分，添加兩行代碼：
#!/usr/bin/python
#-*-coding:gbk-*-
這個是用來指定當前文件，即你的JudgeYear.py文件，編碼為gbk的。
（2）不指定JudgeYear.py的編碼，但是把JudgeYear.py文件本身的編碼轉換為UTF-8
做法：
用Notepad++或VSCode，去將JudgeYear.py轉換為UTF-8編碼
『叄』 學python，可以用哪些開發軟體，用什麼開發軟體最好
1. PyCharm
PyCharm是唯一一款專門面向Python的全功能集成開發環境，同樣擁有付費版和免費開源版，PyCharm不論是在Windows、 Mac OS X系統中，還是在Linux系統中都支持快速安裝和使用。
PyCharm直接支持Python開發環境，打開一個新的文件然後就可以開始編寫代碼，也可以在PyCharm中直接運行和調試Python程序，它還支持源碼管理和項目，並且其擁有眾多便利和支持社區，能夠快速掌握學習使用！
2. Eclipse + PyDev
PyDev是Eclipse集成開發環境的一個插件，支持Python調試、代碼補全和互動式Python控制台等，在Eclipse中安裝PyDev非常便捷，只需從Eclipse中選擇「Help」點擊「Eclipse Marketplace」然後搜索PyDev，點擊安裝，必要的時候重啟Eclipse即可，對於資深Eclipse開發者來說，PyDev可以很輕松上手！
3. Visual Studio
Visual Studio是一款全功能集成開發平台，提供了免費版和付費版，可以支持各種平台的開發，且附帶了自己的擴展插件市場。在Visual Studio中可進行Python編程，並且支持Python智能感知、調試和其他工具，值得注意的是Visual Studio不支持Linux平台！
4. Spyder
Spyder是一款為了數據科學工作流做了優化的開源Python集成開發環境，它是附在Anaconda軟體包管理器發行版中的，Spyder擁有大部分集成開發環境該具備的功能，如強大語法高亮功能的代碼編輯器、Python代碼補全以及集成文件瀏覽器，其還具有其他Python編輯環境中所不具備的變數瀏覽器功能，十分適合使用Python的數據科學家們。
5. Thonny
Thonny是針對新手的一款集成開發環境，適用於全部主流平台，默認情況下，Thonny會和自帶捆綁的Python版本一起安裝，十分方便新手使用！
『肆』 python 集成開發環境哪個好
推薦10個好用的Python集成開發環境：
1. Pydev+Eclipse–最好的免費python IDE
Pydev的是Python IDE中使用最普遍的，原因很簡單，它是免費的，同時還提供很多強大的功能來支持高效的Python編程。Pydev是一個運行在eclipse上的開源插件，它把python帶進了eclipse的王國，如果你本來就是是一個eclipse的用戶那麼Pydev將給你家裡一樣的感覺。
Pydev能高居榜首，得益於這些關鍵功能，包括Django集成、自動代碼補全、多語言支持、集成的Python調試、代碼分析、代碼模板、智能縮進、括弧匹配、錯誤標記、源代碼控制集成、代碼折疊、UML編輯和查看和單元測試整合等。
2. PyCharm–最好的商業python IDE
PyCharm是專業的python集成開發環境，有兩個版本。一個是免費的社區版本，另一個是面向企業開發者的更先進的專業版本。
大部分的功能在免費版本中都是可用的，包括智能代碼補全、直觀的項目導航、錯誤檢查和修復、遵循PEP8規范的代碼質量檢查、智能重構，圖形化的調試器和運行器。它還能與IPython
notebook進行集成，並支持Anaconda及其他的科學計算包，比如matplotlib和NumPy。
PyCharm專業版本支持更多高級的功能，比如遠程開發功能、資料庫支持以及對web開發框架的支持等。
3.VIM
VIM是一個很先進的文本編輯器，在python開發者社區中很受歡迎。它是一個開源軟體並遵循GPL協議，所以你可以免費的使用它。
雖然VIM是最好的文本編輯器，但是它提供的功能不亞於此，經過正確的配置後它可以成為一個全功能的Python開發環境。此外VIM還是一個輕量級的、模塊化、快速響應的工具，非常適合那些很牛的程序員—編程從不用滑鼠的人。
4. Wing IDE
Wing IDE是另外一個商業的、面向專業開發人員的python集成開發環境，可以運行在windows、OS X和Linux系統上，支持最新版本的python，包括stackless Python。Wing
IDE分三個版本：免費的基礎版，個人版以及更強大的專業版。
調試功能是Wing IDE的一大亮點，包括多線程調試，線程代碼調試，自動子進程調試，斷點，單步代碼調試，代碼數據檢查等功能，此外還提供了在樹莓派上進行遠程調試的功能。
5.Spyder Python
Spyder Python是一個開源的python集成開發環境，非常適合用來進行科學計算方面的python開發。是一個輕量級的軟體，是用python開發的，遵循MIT協議，可免費使用。
Spyder python的基本功能包括多語言編輯器、互動式控制台、文件查看、variable explorer、文件查找、文件管理等。Spyder IDE也可以運行於windows、Mac或者Linux系統之上。
6.Komodo IDE
Komodo是Activestate公司開發的一個跨平台的集成開發環境，支持多種語言包括python。它是商用產品，但是提供了開源的免費版本叫Komodo Edit，能夠安裝在Mac、Windows和Linux系統上。
和大多數的專業python IDE一樣，Komodo也提供了代碼重構，自動補全，調用提示，括弧匹配，代碼瀏覽器，代碼跳轉，圖形化調試，多進程調試，多線程調試，斷點，代碼分析，集成測試單元等功能，並且集成其他的第三方庫，比如pyWin32。
7.PTVS-Best Python IDE for Windows
PTVS集成在Visual Studio中，就像Pydev可以集成在eclipse中一樣。PTVS將Visual
Studio變成了一個強大的、功能豐富的python集成開發環境，並且它是開源的，完全的免費。PTVS發布於2015年，由社區和微軟自己在維護。
8.Eric Python
Eric是一個開源python代碼編輯器和集成開發環境，提供很多高效編程需要的功能。它是純python編寫的，基於Qt GUI並集成強大的Scintilla編輯器功能。
Eric由Detlev Offenbach創建，遵循GPL協議，免費使用。經過多年的開發完善Eric已經成為一個常用的、功能豐富的集成開發環境。它提供一個可靠的插件管理系統，可以通過插件來擴展功能。Eric提供所有的基礎功能，比如調用提示、代碼折疊、代碼高亮、類瀏覽器、代碼覆蓋及分析等等。
9.Sublime Text3
Sublime Text3是目前為止功能最強大的跨平台的、輕量級的代碼編輯器。通過添加插件Sublime Text3可以成一個全功能的python IDE。
10.Emacs-Python Editor cum IDE
Emacs有屬於它自己的生態系統，它是一個可擴展的並能高度定製的GNU文本編輯器。它可以配置為一個全功能的免費的python集成開發環境。
Emacs在python開發中很受歡迎，他通過python-mode提供開箱即用的python。Emacs可以通過額外的擴展包來增加更多的高級功能。
『伍』 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
『陸』 手機有什麼python編譯器
現在越來越多人學習python，很多小夥伴都富有激情的，利用碎片化的時間都要學習，大家都知道pyhton是簡單易學的，但是光說不練，假把式，最好能編程並且運行，最好能有一款在手機上可以隨時隨地編寫python代碼，而且功能齊全的app。下面為大家列舉幾種，我知道的手機上的python編輯器。（推薦學習：Python視頻教程）
Android系統：
Python編譯器是一款非常精煉的APP，主要為Python初學者提供直接運行的功能，能夠隨手驗證一些小程序。
Python新手用戶製作的一款手機編程學習工具，支持手機Python代碼編譯、腳本測試等功能，界面清爽，功能實用！
該軟體支持直接從文件管理器中打開代碼文件，方便用戶瀏覽查看。
Qpython是一個Python引擎，只能運行在安卓系統上，它可以全圖形界面操作，非常友好。
內置了一個Python編輯器，可以直接在手機上寫Python代碼，支持縮進，語法高亮等特性。
也內置了一個ftp，可以很方便的拷貝電腦上的py文件到手機上運行。
由於內置了SL4A，可以很方便的調用安卓操作系統的一些API做些有趣的事情，比如可以通過SL4A獲取手機地理位置，打開藍牙，發送手機簡訊，打開手機攝像頭等等。
pydroid3，這是一個非常不錯的手機python編程軟體，它擁有非常強大的編譯器,可以幫助您編輯python程序，pydroid3手機版不需要電腦也能夠時刻提高您的個人代碼編輯水平!
支持在命令行終端運行pip命令為pip命令提供了良好的圖形化管理界面，自動檢測代碼導入的庫如果沒有安裝會自動提示安裝，支持kivy、matplotpb等推行庫
pydroid3的符號面板比較豐富，避免了手機輸入法中找符號的繁瑣。
ios系統：
Pythonista是在iPad和iPhone上編寫Python腳本的一個完整的開發環境。
它包含了許多示例：繪畫游戲動畫、圖像處理、自定義用戶界面和自動化腳本。
除了強大的標准庫之外，Pythonista還提供了與本地iOS特性交互的廣泛支持，比如聯系人、提醒、照片、位置數據等等。全功能的代碼編輯器Pythonista的專業代碼編輯器提供語法高亮顯示、智能代碼完成以及專門為Python設計的擴展屏幕鍵盤。
一個方便的大綱視圖允許您高效地瀏覽您的腳本，並且多個選項卡可以輕松地在更大的項目上工作。圖形和多點觸控Pythonista有很多易於使用的2D圖形庫、多點觸控和音效庫。你甚至可以使用加速度計來創造運動控制的游戲或互動實驗。
更多Python相關技術文章，請訪問Python教程欄目進行學習！以上就是小編分享的關於手機有什麼python編譯器的詳細內容希望對大家有所幫助，更多有關python教程請關注環球青藤其它相關文章！
『柒』 想自己學習Python開發。使用什麼開發工具好一些呢
如果想寫python的程序，至少需要安裝一個python 的解釋器。用來解釋python的程序文件。
編輯器的話，沒有誰好誰好，主要還是看個人的喜好，比較主流的幾下幾個。
1. pycharm：這是一個集成化開發工具，集編輯運行一體，比較方便。但是軟體收費，可以下載社區版初期學習使用
2. sublime text：比較好用的輕量級文本編輯工具。需要配合解釋器開發
3. vim編輯器：linux 或mac 系統下的命令行界面的文本編輯工具，也可以編寫程序。需要對系統有所了解才能上手。
4. 其它文本編輯工具
如果想學習Python，可以看看黑馬程序員的學習視頻啊，有600集的那個很好自學哦~歡迎你採納我的回答
『捌』 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。