最も有名なライブラリは [〜＃〜] pil [〜＃〜] です。ただし、単に基本的な操作を行う場合は、おそらく、Python ImageMagick のバインディングを使用する方が良いでしょう。 Python。
「画像処理」の意味に応じて、numpyベースのライブラリでより良い選択をすることができます。 mahotas 、 scikits.image 、または scipy.ndimage 。これらはすべてnumpy配列に基づいて機能するため、あるライブラリと別のライブラリの関数を組み合わせて使用できます。
私はウェブサイトを開始しました http://pythonvision.org これらの詳細情報があります。
「標準」科学モジュールに基づいた画像処理へのアプローチもあります：SciPyには画像処理専用のパッケージがあります： scipy。 ndimage 。 Scipyは事実上、標準の一般的な数値計算パッケージです。それは事実上の標準の配列操作モジュールに基づいています NumPy ：画像は数値の配列として操作することもできます。画像の表示に関しては、 Matplotlib （「科学三部作」の一部でもあります）により、画像の表示が可能になります 非常に簡単 。
SciPyは現在も積極的に維持されているため、将来のための良い投資です。さらに、SciPyは現在Python 3でも実行されますが、Python Imaging Library（PIL）では実行されません。
リストを完成するには：opencv http://opencv.willowgarage.com/documentation/python/index.html
pycairo もあり、必要に応じてより適切な場合があります。
実際には素晴らしい Python Imaging Library（PIL） があります。アンチエイリアス機能を含む既存の画像を変更したり、テキストなどで新しい画像を作成したりできます。また、前述のサイトで提供されているPILハンドブックに まともな入門チュートリアル があります。
カスタム画像処理効果を作成している場合は、PythonPixelsが役立つことがあります。 http://halfhourhacks.blogspot.com/2008/03/pythonpixels.html これは、画像処理の記述と実験を目的としています。
VIPSは高速で、複数のCPUを使用する必要があります。
https://github.com/libvips/libvips/wiki/Speed-and-memory-use