它不仅与编程语言有关，还与您正在使用的库有关。我可以想到以下几点：

MATLAB - 图像处理功能相当不错，但对于更高级和实时的处理，您需要一些低级的东西。此外，它不提供很好的便携性。

Mathematica - 适用于原型设计和快速可视化，但这只是我的拙见。

OpenCV - 我认为这是 IP 社区中最受欢迎的库。强大的功能（ GPU 计算、机器学习模块、GUI - 你还需要什么？）、速度快且仍在开发中（所以小错误很快就会被删除）。关于社区 - 它很大！主要用于 C/C++ 编程，也适用于 Python（可能适合你）。

JAI - Java Advanced Imaging - 只有你喜欢 Java。就个人而言，我不喜欢它。

ImageMagick - 您可以将它与许多编程语言一起使用，检查API。

CxImage - 如果您想创建比 MS Paint 更好的东西并具有 Photoshop 的某些功能，那就太好了。

CImg - 显然与 C++ 一起使用，但 OpenCV 仍然更好。

PIL - 具有很多功能的 Python 特定库。如果你喜欢它，那么你可以仔细看看。

SimpleCV - 基本上它是带有一些调整的 OpenCV python 绑定。非常易于使用且非常高效。

scikit-image - 也是 Python 库，但在我看来比 SimpleCV 差（尽管我的朋友不同意）。一个优点是它们包含 DAISY 特征提取器 - 如果您需要密集特征，这非常有用。

GIL - Boost的一部分，但功能不如 OpenCV。尽管如果您喜欢并使用 Boost，那么对于一些基本功能应该没问题。

ResIL - DevIL项目的延续。一个主要优势是可以处理多种文件格式，包括一些游戏文件。

PINK - 最初用 C++ 编写。我最近尝试了一下，使用起来非常愉快。与 Python 的良好集成和嵌入式 C 的快速集成。除此之外，它们确实有很多不错的算法。

显然，还有更多的图像处理库，但这些都是我接触过的。所以如果你想从一些东西开始，那么选择 OpenCV（最好是 C++ 框架）——你不会后悔的！另一方面，如果您的编程技能不强，那么您可能需要考虑使用基于 Python 的库 - 非常容易学习和设置。

MATLAB 是学习图像处理的最佳语言。（这是我的看法）

它易于学习，独立于硬件，比任何编译语言都更灵活，可能比脚本语言更有效（由于其固有的 dll 针对机器级别的信号处理进行了优化），它具有良好的学术和工程支持。

C/C++ 是创建独立的图像处理应用程序的最佳语言。在您的 IDE 套件下，您可以生成最有效的本机代码。C++ 的 IDE 提供了更好的机器级调试功能。

一些脚本语言也被使用。它们确实灵活、可移植，甚至相当高效，但是在低级别调试可能并不容易。

此外，CUDA、OpenCL 等新的 GPU 处理能力也大大提高了计算吞吐量。（但是它们更难学习，因为您应该了解底层 GPU 管道硬件架构以利用任何效率提升）

如果您想推出自己的算法或代码，请包括 OpenCL，因为许多图像处理内核是“令人尴尬的并行”。

或者，在 Big Iron 上，Fortran 在数值向量性能上仍然胜过大多数其他语言。