‘壹’ 新手学python用什么软件
几款常用的Python软件工具。
1、Upterm
它是一个全平台的终端，可以说是终端里的IDE，有着强大的自动补全功能。之前的名字叫BlackWindow，有人跟他说这个名字不利于社区推广，改名叫Upterm之后现在已经17000+Star了。
2、Ptpython
一个交互式的Python解释器。支持语法高亮、提示甚至是vim和emacs的键入模式。
3、Anaconda
它能帮你安装好许多麻烦的东西，包括：Python环境、pip包管理工具、常用的库、配置好环境路径等等。这些事情小白自己一个个去做的话，容易遇到各种问题，带来挫败感。如果你想用Python搞数据方面的事情，就安装它就好了，它甚至开发了一套JIT的解释器 Numba。所以Anaconda有了JIT之后，对线上科学计算效率要求比较高的东西也可以搞了。
4、CodeSandbox
虽然这个不算是Python开发工具，但如果后端工程师想写前端的话，这个在线编辑器太方便了，简直是节省了后端工程师的生命啊！不用安装npm的几千个包了，它已经在云端完成了，采让你直接就可以上手写代码、看效果。对于React、Vue这些主流前端框架都支持。
5、Pycharm
Pycharm是程序员常常使用的开发工具，简单、易用，并且能够设置不同的主题模式，根据自己的喜好来设置代码风格。
6、IPython
如何进行交互式编程？没错，就是通过IPython。IPython相对于Python自带的Shell要好用的多，并且能够支持代码缩进、Tab键补全代码等功能。如果进行交互式编程，这是不可缺少的工具。
7、Python Tutor
这个工具可能对初学者比较有用，而对于中高级程序员则用处较少。这个工具的特色是能够清楚的理解每一行代码是如何在计算机中执行的，中高级程序员一般通过分步调试可以实现类似的功能。这个工具对于最初接触Python、最初来学习编程的同学还是非常有用的，初学者不妨体验看看。
8、IDLE
IDLE是python创初人Guido van Rossum使用python and Tkinter来创建的一个集成开发环境。要使用IDLE必须安装python and Tkinter。特性：自动缩进，彩色编码，命令历史(Alt+p,Alt+n)和单词自动(Alt+/)完成。用IDLE执行Tkinter程序，不要在程序中包括mainloop。IDLE本身就是Tkinter应用程序，它会自动调用mainloop。再调用一次mainloop会与IDLE的事件循环冲突，造成运行时错误。
9、BlackAdder
BlackAdder支持windows and linux环境。用它创建的程序可在任何一种平台上运行，负责维护它的是TheKompany.com。他们发布了该软件的个人版，只提供有限的支持；以及专业版，需要许可，面向商业软件开发者。
10、Komodo Edit
Open Komodo是Komodo edit的开源发布 ，一个免费的动态语言的多语言编辑器，基于屡获殊荣的Komodo IDE。既支持Perl、PHP、Python、Ruby、Tcl等服务端语言，也支持CSS、HTML、JavaScript、XML等。在使用Komodo Edit编写代码时，通过其提供的自动完成、调用提示、语法纠正、代码片断等功能可以充分提高你的编码效率，助你写出高质量的代码。
相信大家看完以上推荐的十款Python软件工具，一定对“学Python需要安装什么软件”这个问题有了答案。那么赶紧用起来吧，相信安装了以上的软件工具，大家学Python的效率会有很大的改善。
‘贰’ 俺们是Python的小菜，求大神帮忙解决个问题
原因：
你当前使用的python文件JudgeYear.py，是用的是非UTF-8编码的，即你用的是GBK编码的。
当你运行你的JudgeYear.py时，由于你没有指定你的JudgeYear.py文件本身所采用的编码类型，所以python解析器会去按照默认的UTF-8去解析你的JudgeYear.py，但是实际上你的JudgeYear.py是用GBK编码保存的，所以就出现上面的解析的错误了。
解决办法：
两种：
（1）指定JudgeYear.py的编码为GBK
做法：
在你的文件最开始部分，添加两行代码：
#!/usr/bin/python
#-*-coding:gbk-*-
这个是用来指定当前文件，即你的JudgeYear.py文件，编码为gbk的。
（2）不指定JudgeYear.py的编码，但是把JudgeYear.py文件本身的编码转换为UTF-8
做法：
用Notepad++或VSCode，去将JudgeYear.py转换为UTF-8编码
‘叁’ 学python，可以用哪些开发软件，用什么开发软件最好
1. PyCharm
PyCharm是唯一一款专门面向Python的全功能集成开发环境，同样拥有付费版和免费开源版，PyCharm不论是在Windows、 Mac OS X系统中，还是在Linux系统中都支持快速安装和使用。
PyCharm直接支持Python开发环境，打开一个新的文件然后就可以开始编写代码，也可以在PyCharm中直接运行和调试Python程序，它还支持源码管理和项目，并且其拥有众多便利和支持社区，能够快速掌握学习使用！
2. Eclipse + PyDev
PyDev是Eclipse集成开发环境的一个插件，支持Python调试、代码补全和交互式Python控制台等，在Eclipse中安装PyDev非常便捷，只需从Eclipse中选择“Help”点击“Eclipse Marketplace”然后搜索PyDev，点击安装，必要的时候重启Eclipse即可，对于资深Eclipse开发者来说，PyDev可以很轻松上手！
3. Visual Studio
Visual Studio是一款全功能集成开发平台，提供了免费版和付费版，可以支持各种平台的开发，且附带了自己的扩展插件市场。在Visual Studio中可进行Python编程，并且支持Python智能感知、调试和其他工具，值得注意的是Visual Studio不支持Linux平台！
4. Spyder
Spyder是一款为了数据科学工作流做了优化的开源Python集成开发环境，它是附在Anaconda软件包管理器发行版中的，Spyder拥有大部分集成开发环境该具备的功能，如强大语法高亮功能的代码编辑器、Python代码补全以及集成文件浏览器，其还具有其他Python编辑环境中所不具备的变量浏览器功能，十分适合使用Python的数据科学家们。
5. Thonny
Thonny是针对新手的一款集成开发环境，适用于全部主流平台，默认情况下，Thonny会和自带捆绑的Python版本一起安装，十分方便新手使用！
‘肆’ python 集成开发环境哪个好
推荐10个好用的Python集成开发环境：
1. Pydev+Eclipse–最好的免费python IDE
Pydev的是Python IDE中使用最普遍的，原因很简单，它是免费的，同时还提供很多强大的功能来支持高效的Python编程。Pydev是一个运行在eclipse上的开源插件，它把python带进了eclipse的王国，如果你本来就是是一个eclipse的用户那么Pydev将给你家里一样的感觉。
Pydev能高居榜首，得益于这些关键功能，包括Django集成、自动代码补全、多语言支持、集成的Python调试、代码分析、代码模板、智能缩进、括号匹配、错误标记、源代码控制集成、代码折叠、UML编辑和查看和单元测试整合等。
2. PyCharm–最好的商业python IDE
PyCharm是专业的python集成开发环境，有两个版本。一个是免费的社区版本，另一个是面向企业开发者的更先进的专业版本。
大部分的功能在免费版本中都是可用的，包括智能代码补全、直观的项目导航、错误检查和修复、遵循PEP8规范的代码质量检查、智能重构，图形化的调试器和运行器。它还能与IPython
notebook进行集成，并支持Anaconda及其他的科学计算包，比如matplotlib和NumPy。
PyCharm专业版本支持更多高级的功能，比如远程开发功能、数据库支持以及对web开发框架的支持等。
3.VIM
VIM是一个很先进的文本编辑器，在python开发者社区中很受欢迎。它是一个开源软件并遵循GPL协议，所以你可以免费的使用它。
虽然VIM是最好的文本编辑器，但是它提供的功能不亚于此，经过正确的配置后它可以成为一个全功能的Python开发环境。此外VIM还是一个轻量级的、模块化、快速响应的工具，非常适合那些很牛的程序员—编程从不用鼠标的人。
4. Wing IDE
Wing IDE是另外一个商业的、面向专业开发人员的python集成开发环境，可以运行在windows、OS X和Linux系统上，支持最新版本的python，包括stackless Python。Wing
IDE分三个版本：免费的基础版，个人版以及更强大的专业版。
调试功能是Wing IDE的一大亮点，包括多线程调试，线程代码调试，自动子进程调试，断点，单步代码调试，代码数据检查等功能，此外还提供了在树莓派上进行远程调试的功能。
5.Spyder Python
Spyder Python是一个开源的python集成开发环境，非常适合用来进行科学计算方面的python开发。是一个轻量级的软件，是用python开发的，遵循MIT协议，可免费使用。
Spyder python的基本功能包括多语言编辑器、交互式控制台、文件查看、variable explorer、文件查找、文件管理等。Spyder IDE也可以运行于windows、Mac或者Linux系统之上。
6.Komodo IDE
Komodo是Activestate公司开发的一个跨平台的集成开发环境，支持多种语言包括python。它是商用产品，但是提供了开源的免费版本叫Komodo Edit，能够安装在Mac、Windows和Linux系统上。
和大多数的专业python IDE一样，Komodo也提供了代码重构，自动补全，调用提示，括号匹配，代码浏览器，代码跳转，图形化调试，多进程调试，多线程调试，断点，代码分析，集成测试单元等功能，并且集成其他的第三方库，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中一样。PTVS将Visual
Studio变成了一个强大的、功能丰富的python集成开发环境，并且它是开源的，完全的免费。PTVS发布于2015年，由社区和微软自己在维护。
8.Eric Python
Eric是一个开源python代码编辑器和集成开发环境，提供很多高效编程需要的功能。它是纯python编写的，基于Qt GUI并集成强大的Scintilla编辑器功能。
Eric由Detlev Offenbach创建，遵循GPL协议，免费使用。经过多年的开发完善Eric已经成为一个常用的、功能丰富的集成开发环境。它提供一个可靠的插件管理系统，可以通过插件来扩展功能。Eric提供所有的基础功能，比如调用提示、代码折叠、代码高亮、类浏览器、代码覆盖及分析等等。
9.Sublime Text3
Sublime Text3是目前为止功能最强大的跨平台的、轻量级的代码编辑器。通过添加插件Sublime Text3可以成一个全功能的python IDE。
10.Emacs-Python Editor cum IDE
Emacs有属于它自己的生态系统，它是一个可扩展的并能高度定制的GNU文本编辑器。它可以配置为一个全功能的免费的python集成开发环境。
Emacs在python开发中很受欢迎，他通过python-mode提供开箱即用的python。Emacs可以通过额外的扩展包来增加更多的高级功能。
‘伍’ 10 个 Python 图像编辑工具
以下提到的这些 Python 工具在编辑图像、操作图像底层数据方面都提供了简单直接的方法。
-- Parul Pandey
当今的世界充满了数据，而图像数据就是其中很重要的一部分。但只有经过处理和分析，提高图像的质量，从中提取出有效地信息，才能利用到这些图像数据。
常见的图像处理操作包括显示图像，基本的图像操作，如裁剪、翻转、旋转；图像的分割、分类、特征提取；图像恢复；以及图像识别等等。Python 作为一种日益风靡的科学编程语言，是这些图像处理操作的最佳选择。同时，在 Python 生态当中也有很多可以免费使用的优秀的图像处理工具。
下文将介绍 10 个可以用于图像处理任务的 Python 库，它们在编辑图像、查看图像底层数据方面都提供了简单直接的方法。
scikit-image 是一个结合 NumPy 数组使用的开源 Python 工具，它实现了可用于研究、教育、工业应用的算法和应用程序。即使是对于刚刚接触 Python 生态圈的新手来说，它也是一个在使用上足够简单的库。同时它的代码质量也很高，因为它是由一个活跃的志愿者社区开发的，并且通过了 同行评审(peer review)。
scikit-image 的 文档 非常完善，其中包含了丰富的用例。
可以通过导入 skimage 使用，大部分的功能都可以在它的子模块中找到。
图像滤波(image filtering)：
使用 match_template() 方法实现 模板匹配(template matching)：
在 展示页面 可以看到更多相关的例子。
NumPy 提供了对数组的支持，是 Python 编程的一个核心库。图像的本质其实也是一个包含像素数据点的标准 NumPy 数组，因此可以通过一些基本的 NumPy 操作（例如切片、 掩膜(mask)、 花式索引(fancy indexing)等），就可以从像素级别对图像进行编辑。通过 NumPy 数组存储的图像也可以被 skimage 加载并使用 matplotlib 显示。
在 NumPy 的 官方文档 中提供了完整的代码文档和资源列表。
使用 NumPy 对图像进行 掩膜(mask)操作：
像 NumPy 一样， SciPy 是 Python 的一个核心科学计算模块，也可以用于图像的基本操作和处理。尤其是 SciPy v1.1.0 中的 scipy.ndimage 子模块，它提供了在 n 维 NumPy 数组上的运行的函数。SciPy 目前还提供了 线性和非线性滤波(linear and non-linear filtering)、 二值形态学(binary morphology)、 B 样条插值(B-spline interpolation)、 对象测量(object measurements)等方面的函数。
在 官方文档 中可以查阅到 scipy.ndimage 的完整函数列表。
使用 SciPy 的 高斯滤波 对图像进行模糊处理：
PIL (Python Imaging Library) 是一个免费 Python 编程库，它提供了对多种格式图像文件的打开、编辑、保存的支持。但在 2009 年之后 PIL 就停止发布新版本了。幸运的是，还有一个 PIL 的积极开发的分支 Pillow ，它的安装过程比 PIL 更加简单，支持大部分主流的操作系统，并且还支持 Python 3。Pillow 包含了图像的基础处理功能，包括像素点操作、使用内置卷积内核进行滤波、颜色空间转换等等。
Pillow 的 官方文档 提供了 Pillow 的安装说明自己代码库中每一个模块的示例。
使用 Pillow 中的 ImageFilter 模块实现图像增强：
OpenCV（Open Source Computer Vision 库）是计算机视觉领域最广泛使用的库之一， OpenCV-Python 则是 OpenCV 的 Python API。OpenCV-Python 的运行速度很快，这归功于它使用 C/C++ 编写的后台代码，同时由于它使用了 Python 进行封装，因此调用和部署的难度也不大。这些优点让 OpenCV-Python 成为了计算密集型计算机视觉应用程序的一个不错的选择。
入门之前最好先阅读 OpenCV2-Python-Guide 这份文档。
使用 OpenCV-Python 中的 金字塔融合(Pyramid Blending)将苹果和橘子融合到一起：
SimpleCV 是一个开源的计算机视觉框架。它支持包括 OpenCV 在内的一些高性能计算机视觉库，同时不需要去了解 位深度(bit depth)、文件格式、 色彩空间(color space)之类的概念，因此 SimpleCV 的学习曲线要比 OpenCV 平缓得多，正如它的口号所说，“将计算机视觉变得更简单”。SimpleCV 的优点还有：
官方文档 简单易懂，同时也附有大量的学习用例。
文档 包含了安装介绍、示例以及一些 Mahotas 的入门教程。
Mahotas 力求使用少量的代码来实现功能。例如这个 Finding Wally 游戏 ：
ITK （Insight Segmentation and Registration Toolkit）是一个为开发者提供普适性图像分析功能的开源、跨平台工具套件， SimpleITK 则是基于 ITK 构建出来的一个简化层，旨在促进 ITK 在快速原型设计、教育、解释语言中的应用。SimpleITK 作为一个图像分析工具包，它也带有 大量的组件 ，可以支持常规的滤波、图像分割、 图像配准(registration)功能。尽管 SimpleITK 使用 C++ 编写，但它也支持包括 Python 在内的大部分编程语言。
有很多 Jupyter Notebooks 用例可以展示 SimpleITK 在教育和科研领域中的应用，通过这些用例可以看到如何使用 Python 和 R 利用 SimpleITK 来实现交互式图像分析。
使用 Python + SimpleITK 实现的 CT/MR 图像配准过程：
pgmagick 是使用 Python 封装的 GraphicsMagick 库。 GraphicsMagick 通常被认为是图像处理界的瑞士军刀，因为它强大而又高效的工具包支持对多达 88 种主流格式图像文件的读写操作，包括 DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM、TIFF 等等。
pgmagick 的 GitHub 仓库 中有相关的安装说明、依赖列表，以及详细的 使用指引 。
图像缩放：
边缘提取：
Cairo 是一个用于绘制矢量图的二维图形库，而 Pycairo 是用于 Cairo 的一组 Python 绑定。矢量图的优点在于做大小缩放的过程中不会丢失图像的清晰度。使用 Pycairo 可以在 Python 中调用 Cairo 的相关命令。
Pycairo 的 GitHub 仓库 提供了关于安装和使用的详细说明，以及一份简要介绍 Pycairo 的 入门指南 。
使用 Pycairo 绘制线段、基本图形、 径向渐变(radial gradients)：
以上就是 Python 中的一些有用的图像处理库，无论你有没有听说过、有没有使用过，都值得试用一下并了解它们。
via: https://opensource.com/article/19/3/python-image-manipulation-tools
作者： Parul Pandey 选题： lujun9972 译者： HankChow 校对： wxy
‘陆’ 手机有什么python编译器
现在越来越多人学习python，很多小伙伴都富有激情的，利用碎片化的时间都要学习，大家都知道pyhton是简单易学的，但是光说不练，假把式，最好能编程并且运行，最好能有一款在手机上可以随时随地编写python代码，而且功能齐全的app。下面为大家列举几种，我知道的手机上的python编辑器。（推荐学习：Python视频教程）
Android系统：
Python编译器是一款非常精炼的APP，主要为Python初学者提供直接运行的功能，能够随手验证一些小程序。
Python新手用户制作的一款手机编程学习工具，支持手机Python代码编译、脚本测试等功能，界面清爽，功能实用！
该软件支持直接从文件管理器中打开代码文件，方便用户浏览查看。
Qpython是一个Python引擎，只能运行在安卓系统上，它可以全图形界面操作，非常友好。
内置了一个Python编辑器，可以直接在手机上写Python代码，支持缩进，语法高亮等特性。
也内置了一个ftp，可以很方便的拷贝电脑上的py文件到手机上运行。
由于内置了SL4A，可以很方便的调用安卓操作系统的一些API做些有趣的事情，比如可以通过SL4A获取手机地理位置，打开蓝牙，发送手机短信，打开手机摄像头等等。
pydroid3，这是一个非常不错的手机python编程软件，它拥有非常强大的编译器,可以帮助您编辑python程序，pydroid3手机版不需要电脑也能够时刻提高您的个人代码编辑水平!
支持在命令行终端运行pip命令为pip命令提供了良好的图形化管理界面，自动检测代码导入的库如果没有安装会自动提示安装，支持kivy、matplotpb等推行库
pydroid3的符号面板比较丰富，避免了手机输入法中找符号的繁琐。
ios系统：
Pythonista是在iPad和iPhone上编写Python脚本的一个完整的开发环境。
它包含了许多示例：绘画游戏动画、图像处理、自定义用户界面和自动化脚本。
除了强大的标准库之外，Pythonista还提供了与本地iOS特性交互的广泛支持，比如联系人、提醒、照片、位置数据等等。全功能的代码编辑器Pythonista的专业代码编辑器提供语法高亮显示、智能代码完成以及专门为Python设计的扩展屏幕键盘。
一个方便的大纲视图允许您高效地浏览您的脚本，并且多个选项卡可以轻松地在更大的项目上工作。图形和多点触控Pythonista有很多易于使用的2D图形库、多点触控和音效库。你甚至可以使用加速度计来创造运动控制的游戏或互动实验。
更多Python相关技术文章，请访问Python教程栏目进行学习！以上就是小编分享的关于手机有什么python编译器的详细内容希望对大家有所帮助，更多有关python教程请关注环球青藤其它相关文章！
‘柒’ 想自己学习Python开发。使用什么开发工具好一些呢
如果想写python的程序，至少需要安装一个python 的解释器。用来解释python的程序文件。
编辑器的话，没有谁好谁好，主要还是看个人的喜好，比较主流的几下几个。
1. pycharm：这是一个集成化开发工具，集编辑运行一体，比较方便。但是软件收费，可以下载社区版初期学习使用
2. sublime text：比较好用的轻量级文本编辑工具。需要配合解释器开发
3. vim编辑器：linux 或mac 系统下的命令行界面的文本编辑工具，也可以编写程序。需要对系统有所了解才能上手。
4. 其它文本编辑工具
如果想学习Python，可以看看黑马程序员的学习视频啊，有600集的那个很好自学哦~欢迎你采纳我的回答
‘捌’ 常用的十大python图像处理工具
原文标题：10 Python image manipulation tools.
作者 | Parul Pandey
翻译 | 安其罗乔尔、JimmyHua
今天，在我们的世界里充满了数据，图像成为构成这些数据的重要组成部分。但无论是用于何种用途，这些图像都需要进行处理。图像处理就是分析和处理数字图像的过程，主要旨在提高其质量或从中提取一些信息，然后可以将其用于某种用途。
图像处理中的常见任务包括显示图像，基本操作如裁剪、翻转、旋转等，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是一个恰当选择，这是因为它作为一种科学编程语言正在日益普及，并且在其生态系统中免费提供许多最先进的图像处理工具供大家使用。
让我们看一下可以用于图像处理任务中的常用 Python 库有哪些吧。
1.scikit-image
scikit-image是一个开源的Python包，适用于numpy数组。它实现了用于研究，教育和工业应用的算法和实用工具。即使是那些刚接触Python生态系统的人，它也是一个相当简单直接的库。此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性质。
资源
文档里记录了丰富的例子和实际用例，阅读下面的文档：
http://scikit-image.org/docs/stable/user_guide.html
用法
该包作为skimage导入，大多数功能都在子模块中找的到。下面列举一些skimage的例子：
图像过滤
使用match_template函数进行模板匹配
你可以通过此处查看图库找到更多示例。
2. Numpy
Numpy是Python编程的核心库之一，并为数组提供支持。图像本质上是包含数据点像素的标准Numpy数组。因此，我们可以通过使用基本的NumPy操作，例如切片、掩膜和花式索引，来修改图像的像素值。可以使用skimage加载图像并使用matplotlib显示图像。
资源
Numpy的官方文档页面提供了完整的资源和文档列表：
http://www.numpy.org/
用法
使用Numpy来掩膜图像.
3.Scipy
scipy是Python的另一个类似Numpy的核心科学模块，可用于基本的图像操作和处理任务。特别是子模块scipy.ndimage，提供了在n维NumPy数组上操作的函数。该包目前包括线性和非线性滤波，二值形态学，B样条插值和对象测量等功能函数。
资源
有关scipy.ndimage包提供的完整功能列表，请参阅下面的链接：
https://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.html#correlation-and-convolution
用法
使用SciPy通过高斯滤波器进行模糊：
4. PIL/ Pillow
PIL( Python图像库 )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文件格式的图像。然而， 随着2009年的最后一次发布，它的开发停滞不前。但幸运的是还有有Pillow，一个PIL积极开发的且更容易安装的分支，它能运行在所有主要的操作系统，并支持Python3。这个库包含了基本的图像处理功能，包括点运算、使用一组内置卷积核的滤波和色彩空间的转换。
资源
文档中有安装说明，以及涵盖库的每个模块的示例：
https://pillow.readthedocs.io/en/3.1.x/index.html
用法
在 Pillow 中使用 ImageFilter 增强图像：
5. OpenCV-Python
OpenCV( 开源计算机视觉库 )是计算机视觉应用中应用最广泛的库之一 。OpenCV-Python 是OpenCV的python版API。OpenCV-Python的优点不只有高效，这源于它的内部组成是用C/C++编写的，而且它还容易编写和部署（因为前端是用Python包装的）。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。
资源
OpenCV-Python-Guide指南可以让你使用OpenCV-Python更容易：
https://github.com/abidrahmank/OpenCV2-Python-Tutorials
用法
下面是一个例子，展示了OpenCV-Python使用金字塔方法创建一个名为“Orapple”的新水果图像融合的功能。
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，你就可以访问几个高性能的计算机视觉库，如OpenCV，而且不需要先学习了解位深度、文件格式、颜色空间等。
它的学习曲线大大小于OpenCV，正如它们的口号所说“计算机视觉变得简单”。一些支持SimpleCV的观点有：
即使是初学者也可以编写简单的机器视觉测试摄像机、视频文件、图像和视频流都是可互操作的资源
官方文档非常容易理解，而且有大量的例子和使用案例去学习：
https://simplecv.readthedocs.io/en/latest/
用法
7. Mahotas
Mahotas 是另一个计算机视觉和图像处理的Python库。它包括了传统的图像处理功能例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Python语言，适合于快速开发，但是算法是用C语言实现的，并根据速度进行了调优。Mahotas库速度快，代码简洁，甚至具有最小的依赖性。通过原文阅读它们的官方论文以获得更多的了解。
资源
文档包括安装指导，例子，以及一些教程，可以更好的帮助你开始使用mahotas。
https://mahotas.readthedocs.io/en/latest/install.html
用法
Mahotas库依赖于使用简单的代码来完成任务。关于‘Finding Wally’的问题，Mahotas做的很好并且代码量很少。下面是源码：
https://mahotas.readthedocs.io/en/latest/wally.html
8. SimpleITK
ITK 或者 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是建立在ITK之上的简化层，旨在促进其在快速原型设计、教育、解释语言中的应用。SimpleITK 是一个图像分析工具包，包含大量支持一般过滤操作、图像分割和匹配的组件。SimpleITK本身是用C++写的，但是对于包括Python以内的大部分编程语言都是可用的。
资源
大量的Jupyter Notebooks 表明了SimpleITK在教育和研究领域已经被使用。Notebook展示了用Python和R编程语言使用SimpleITK来进行交互式图像分析。
http://insightsoftwareconsortium.github.io/SimpleITK-Notebooks/
用法
下面的动画是用SimpleITK和Python创建的刚性CT/MR匹配过程的可视化 。点击此处可查看源码！
9. pgmagick
pgmagick是GraphicsMagick库的一个基于python的包装。 GraphicsMagick图像处理系统有时被称为图像处理的瑞士军刀。它提供了一个具有强大且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。
资源
有一个专门用于PgMagick的Github库 ，其中包含安装和需求说明。还有关于这个的一个详细的用户指导：
https://github.com/hhatto/pgmagick
用法
使用pgmagick可以进行的图像处理活动很少，比如：
图像缩放
边缘提取
10. Pycairo
Pycairo是图像处理库cairo的一组Python捆绑。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。
资源
Pycairo的GitHub库是一个很好的资源，有关于安装和使用的详细说明。还有一个入门指南，其中有一个关于Pycairo的简短教程。
库：https://github.com/pygobject/pycairo指南：https://pycairo.readthedocs.io/en/latest/tutorial.html用法
使用Pycairo绘制线条、基本形状和径向梯度：
总结
有一些有用且免费的Python图像处理库可以使用，有的是众所周知的，有的可能对你来说是新的，试着多去了解它们。