scipypython34
⑴ python3.4版本 scipy库函数怎么安装
自动安装
pip install scipy
手工安装
1)访问http://www.lfd.uci.e/~gohlke/pythonlibs/#scipy
根据自己系统及返乱Python版本下载不同的包，如python3.4版本，windows 10 64位系统则下载
scipy‑0.19.1‑cp34‑cp34m‑win_amd64.whl
2) 在开始菜单搜索cmd打开 终端
3) 在终端漏尘档输入python -m pip install -U pip
4) 找到下载的 scipy‑0.19.1‑cp34‑cp34m‑win_amd64.whl所在的文件夹
5) 在终端打开到上述文件夹目录，输入 pip install scipy‑0.19.1‑cp34‑兄模cp34m‑win_amd64.whl
这样就在win10 64位系统上完成了python3.4版本的scipy库安装！
⑵ python死活调用不了SCIPY这个库，怎么解决
安装是不是也发生了错误？这个库在windows下总会编译出错，建议下载whl包安装，这个是编译好的，如果报错是缺少mkl的话，从intel官网下载进行安装，或者用anaconda进行管理，其他错误请追问
⑶ python3.4版本 scipy库函数怎么安装
下载：scipy-0.18.1-cp35-cp35m-win32.whl
可以通过命令
- pip install scipy-0.18.1-cp35-cp35m-win32.whl
- import scipy
numpy-1.11.2+mkl-cp35-cp35m-win32.whl
成功安装。但是试图在程序中使用时会发现：
必定报错。经过简单阅读发现，问题出在numpy-mkl上，即默认安装的numpy中不包含MKL库，scipy的依赖关系没有实现。
好在还是上面那个网站，可以找到包含MKL库版本的numpy：
卸载之前的numpy和scipy之后，利用pip重新安装下载的两个whl文件，不再出现问题，效果如图：
<img src="https://pic1.mg.com/50/_hd.png" data-rawwidth="938" data-rawheight="314" class="origin_image zh-lightbox-thumb" width="938" data-original="https://pic1.mg.com/_r.png">当然，具体使用中会不会出现问题，现在还未知。
当然，具体使用中会不会出现问题，现在还未知。
⑷ 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。
⑸ 安装Scipy库
Scipy库在Numpy的基础上增加了众多的数学计算。例如常微分方程数值求解，稀疏矩阵等。
但因Scipy库的安装需要依赖于Numpy，所以在Python安装这个库，容易安装失败。这里记录一下安装成功的示例。
第一步：
查询一下当前python的版本号：
我的结果是:
第二步：
注意如果事先安装了Numpy库，请先卸载掉。
在 http://www.lfd.uci.e/~gohlke/pythonlibs/#numpy 找到所需的Numpy+MKL和scipy的包
第三步：
打开cmd，输入pip install +whl文件的全名，安装whl。
安装numpy+mkl，输入pip install numpy‑1.12.0+mkl‑cp27‑cp27m‑win32.whl，按Enter后，等待安装完成。（注意将文件名替换为你的可用版本的名称）。
安装scipy，输入pip install scipy‑0.18.1‑cp27‑cp27m‑win32.whl，按Enter后，等待安装完成。
第四步：
测试是否安装成功：
进入python，输入import scipy，未报错，即表示安装成功。
参考文献：
http://jingyan..com/article/ca41422f27c56a1eae99ed39.html
⑹ python死活调用不了SCIPY这个库，怎么解决
先去这里下载scipy包，是国外大学编译早轮好的。
http://www.lfd.uci.e/~gohlke/pythonlibs/
把下载后旁绝的文件解压，无法解压的话后缀可以改成.zip，将解压后的文件直接到C:\Python27\Lib\site-packages目录中就可以import了。
scipy包还需要numpy的支运睁姿持，如果你没有也可以用同样的方法在那里下一个编译好的numpy库。
⑺ python中如何安装SciPY模块
scipy包包含有C代码，安装时需要根据所使用的操作系统进行编译，因此不同的操作系统的安装方式是不同的。下面将介绍在windows操作系统中，如何安装scipy包：
在网页中 http://www.lfd.uci.e/~gohlke/pythonlibs/#scipy 下载对应操作系烂腔统的培旅预编译安装包，需要根据python版本是2.x还是3.x，系统是32位饥中衫还是64位进行选择
使用pip包管理器进行安装，在命令行中输入
pip install 下载scipy安装包的路径