mahotas

NumPy 风格图像处理，C++ 加速，轻量做视觉特征

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 152 🐛 待处理 19 👀 关注 45

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 891

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源免费，MIT许可证

项目预览

项目数据

分类计算机视觉

开发团队luispedro

官网地址https://mahotas.rtfd.io

GitHubhttps://github.com/luispedro/mahotas

定价模式🏷️完全免费

价格说明开源免费，MIT许可证

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型c-plus-plus,computer-vision,numpy,python,python-2,python-3

GitHub 星标★ 891

上线时间2010-01-31 00:00:00

代码更新2026-10-16

仓库体积4.2 MB

本站数据更新2026-11-12

维护状态较活跃

收录时间2026-09-28

浏览次数1

项目介绍

mahotas 是一个基于 Python 和 C++ 的计算机视觉与图像处理库，核心目标是为 NumPy 数组提供高效、轻量的图像分析能力。它解决的是在科学计算和工业检测场景中，需要快速完成图像滤波、形态学操作、特征提取、阈值分割、边缘检测等任务，但又不想引入 OpenCV 这类大型依赖的问题。mahotas 的接口设计贴近 NumPy 风格，图像就是数组，函数直接作用于数组，学习成本低。它内置了丰富的算法，包括 Sobel、Canny、Otsu 阈值、分水岭、区域属性计算、Haralick 纹理特征、Zernike 矩、自由径向多项式等，还支持从磁盘读写常见图像格式。由于底层用 C++ 实现，计算速度比纯 Python 快很多，适合批量处理图像或嵌入到机器学习流水线中。项目历史较长，稳定可靠，常被用于生物图像分析、显微镜图像处理和传统视觉特征工程。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-28 · 当前星标 ★ 891

技术标签

c-plus-plus computer-vision numpy python

使用教程

难度：进阶约 15 分钟部署方式：本地安装 4 步

环境要求

Python 3.9+
numpy

安装与启动步骤

1装包

mahotas 是 C++ 实现的高速图像处理库，pip 或 conda 装。
```
pip install mahotas
```
2自检

装完跑内置测试确认二进制与 numpy 版本匹配。
```
python -c "import mahotas as mh; mh.test()"
```
3常用能力

形态学、区域特征、分水岭分割都有，比 scikit-image 快很多。
4与 numpy 配合

图像就是 ndarray，直接切片与广播即可。