在图像处理领域，一库在手，相当于天下已有。
最近，有一位搞数据科学的小姐姐Parul ，整理了一份实用图像处理工具，内含十大经典库。
这份资源中的工具可用于图像处理中的常见任务，包括裁剪、翻转、旋转、图像分割、分类和特征提取、图像恢复和图像识别等。可谓干货满满，图像处理提升效率必备。
量子位取其重点，将文章翻译整理如下：
1、 Image
-image是一个与numpy数组配合使用的开源包，在学术研究、教育和行业领域都可应用。
即使是那些刚接触生态系统的人，也会觉得这是一个相当简单直接的库。
通过这个包能完成很多任务，比如图像过滤：
使用 函数进行模板匹配：
官方地址：
用户指南：
2、Numpy
Numpy是的核心库之一，也能支持数组，图像本质上是包含数据点像素的标准Numpy数组。
因此，通过基本的NumPy操作，可以修改图像的像素值。
也可以使用加载图像并用显示。
使用方法也和简单，比如需要mask一张图像时：
官方地址：
3. Scipy
scipy是中另一个核心模块，可用于基本的图像操作和处理任务。
特别需要注意的是，子模块scipy.提供在n维NumPy数组上运行的功能。这个包目前包括线性和非线性滤波器、二元形态、B-插值和物体测量等功能。
可以用高斯过滤用Scipy模糊高斯滤波器：
官方资料：
#-and-
4、PIL/
PIL（ ）是一个免费的编程语言库，它增加了对打开，操作和保存不同图像文件格式的支持。然而，它的发展停滞不前，最后一次更新还是在2009年。
其分支更易于安装，在所有主要操作系统上运行并支持 3。这个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滤波及颜色空间转换。
当用增强中的图像时，操作是这样的：
官方介绍：
5、-
是计算机视觉应用中使用最广泛的库之一，-是的 API。
总体来说，因为后台由用C / C ++编写，因此-不仅速度快，也易于编程和部署。
这使其成为执行计算密集型视觉程序的绝佳选择。
来看一下用例，下图展示的是-在Image 中使用创建一个名为’’的新水果的功能。
上手指南：
6、
也是广泛被使用的构建计算机视觉应用程序的开源框架。
手握，你可以访问几个高性能的视觉库，而无需先了解图像色深（bit depth）、文件格式、色彩空间等。
拥护者的支持理由有两个，一是初学者也可以借此编写简单的视觉任务，二是无论是相机、视频文件、图像和视频流可互相操作。
用户指南：
7、
包含传统的图像处理功能，如滤波和图像形态学处理，以及用于特征计算，比如兴趣点检测和局部描述子等。
这个库适用于快速开发，算法是用C++实现的，并且针对速度进行了调整。
官方地址：
用户指南：
8、
ITK是一个开源的跨平台系统，提供一整套用于图像分析的软件工具。
其中，是一个建立在ITK之上的简化层，促进其在简化原型、教育和解释语言中的应用。
是一个图像分析工具包，内含大量组件，支持一般滤波操作、图像分割和图形配准。
本身是用C++编写的，但也适用于包括在内的大量编程语言。
下面就是用和创建的可视化的CT/MR图：
官方地址：
学习资料：
9、
号称图像处理领域的瑞士军刀。 代码短小却提供了一个鲁棒、高效的工具和库集合，可用来处理图像的读取、写入和操作。
支持超过88种图像格式，包括重要的DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM和TIFF。
将它用于图像边缘提取任务，效果如下：
官方资料：
相关资源：
10、
是一个的2D图形渲染库，可用于绘制矢量图形的2D图形，在调整大小或变换时不会丢失清晰度。
下面这个用例是用绘制线条、基本形状和径向梯度。
官方介绍：
相关资源：
传送门
相关文章
