主要且功能全面的函式庫：
- OpenCV (Open Source Computer Vision Library): 這是一個非常流行且功能極其強大的跨平台電腦視覺函式庫。它提供了大量的算法，涵蓋圖像處理、目標檢測、人臉識別、影片分析、三維重建等多個領域。OpenCV 支持多種程式語言，包括 Python、C++、Java 等。
- TensorFlow: 雖然 TensorFlow 是一個通用的深度學習框架，但它在電腦視覺領域也得到廣泛應用。TensorFlow 提供了強大的工具來建立和訓練各種卷積神經網路 (CNN) 模型，用於圖像分類、目標檢測、圖像分割等任務。
- PyTorch: 另一個非常流行的深度學習框架，尤其受到研究人員的喜愛。PyTorch 提供了靈活且易於使用的 API，方便開發者實現各種複雜的電腦視覺模型。它也廣泛用於訓練和研究 CNN。
高階深度學習函式庫 (建立在 TensorFlow 或 PyTorch 之上)：
- Keras: 一個高階的神經網路 API，可以運行在 TensorFlow、PyTorch 或其他後端之上。Keras 簡化了深度學習模型的建立和訓練過程，非常適合快速原型開發和教學。它包含了許多預定義的層和模型，方便用於搭建常見的電腦視覺架構。
- torchvision (PyTorch 的一部分): 這個函式庫專門為 PyTorch 提供了電腦視覺相關的功能，包括常用的資料集、模型架構（如 ResNet、VGG 等）以及圖像轉換工具。
- Scikit-image: 一個用於圖像處理的 Python 函式庫，提供了許多基本的圖像處理算法，例如濾波、分割、特徵提取等。它的 API 設計簡潔易用，適合科學研究和教育用途。
- Mahotas: 另一個用於生物圖像分析和一般電腦視覺的 Python 函式庫。它實現了各種圖像處理和計算機視覺算法，並且在速度方面進行了優化。
其他值得注意的函式庫：
- SimpleITK: 專門用於醫學影像分析的函式庫，支持多種醫學影像格式和處理技術。
- Pillow (PIL Fork): 一個用於圖像處理的 Python 函式庫，提供了基本的圖像操作功能，例如打開、修改和保存各種圖像格式的檔案。
選擇哪個函式庫取決於您的具體需求：
- 如果您需要一個功能全面、跨平台且擁有龐大社群支持的函式庫，OpenCV 會是一個很好的選擇。
- 如果您主要關注深度學習模型的開發和訓練，特別是卷積神經網路，那麼 TensorFlow 和 PyTorch 是兩個非常強大的框架。
- Keras 可以幫助您更快速地搭建和實驗深度學習模型，無論您選擇 TensorFlow 或 PyTorch 作為後端。
- 如果您需要進行基礎的圖像處理和分析，並且喜歡 Python 簡潔的語法，那麼 Scikit-image 和 Mahotas 會是不錯的選擇。
