[EDIT-20200516：见底部与...汽车的比较] 对于从头开始学习，我不建议单独使用编程语言，而是建议使用一对“教材”（书籍，讲义）+“练习特定的编程语言”。因此，如果你找到一本你喜欢的关于“Python 计算机视觉与练习”或“图像处理理论与 Matlab 实践”的书，那可能是有趣的起点。此外，你的编程品味和技能可能会发展，并学习第一次编程语言通常可以帮助您学习第二种语言。但是懒惰有时会驱使您坚持使用第一语言，重用旧库。最后，目的很重要。就我而言，我主要将算法设计为原型和概念证明，这可以和他们一样，

在这方面，Matlab 擅长设计和微调算法，拥有大量文档和帮助，您可以逐步遵循，并且拥有一长串贡献的工具箱，尤其是。在MatlabCentral FileExchange。设置工作流程后，如果您关心速度、效率等，是时候将算法原型传递给真正的程序员（C++ 或更低级别，我做不到）。

Python 现在拥有一个庞大的社区，并开发了 Scikit-Image 等工具集，并且在Scikit-image 上有一个教程：图像处理。它还与OpenCV接口。

在全球范围内，只要您具备扎实的图像处理技能，我认为Matlab 和 Python 之间的主要区别在于成本和流行性。 在我这边，我会切换到 Python 来进行机器学习和数据科学，但我会在一段时间内坚持使用 Matlab 来完成我的大部分信号处理和图像分析工作。

您还可以使用（免费）开源软件，带有贡献的工具箱和插件，这些软件通常会从外部出版物中受益。我会建议：

• ImageJ：Java 中的图像处理和分析
• Icy：开源图像处理软件
• OpenCV：开源计算机视觉库
• SciLab：图像处理和计算机视觉
• 朱莉娅：图像处理

比较：

• 来自 MathWorks（有偏见）：MATLAB 与 Python：选择 MATLAB 的主要原因
• 对于 RealPython（有偏见）：MATLAB vs Python：为什么以及如何进行切换 Toby Driscoll（更平衡）：Matlab vs. Julia vs. Python（与 BMW 轿车、福特皮卡和 Testa 相比）

MATLAB [...] 对于基本的数值任务，它可能仍然是最容易学习的。细致的文档和数十年的贡献学习工具绝对很重要。

MATLAB 是科学计算界的宝马轿车。它是昂贵的 [...] 坚如磐石的 [...] 吸引了不成比例的仇恨。

Python是福特皮卡。它无处不在，深受许多人（在美国）的喜爱。它可以做你想做的一切，而且它的设计目的是做一些其他车辆不能做的事情。您可能会不时想要借一个。但它并没有提供出色的纯粹驾驶体验。

朱莉娅是特斯拉。它的建立是为了改变未来的大胆目标，而且它可能会。它也可能只是一个脚注。但与此同时，您会以时尚的方式到达您要去的地方，并且有余力。

大多数在这里回答问题的人都倾向于使用python或matlab。

您更有可能在这里使用这些工具而不是 labview 获得帮助。

就其本身而言，这并不是说 matlab “更好”。这一切都取决于什么对你更好。

在遥远的过去，matlab 仅限于所有数字表示的双浮点数。这使得 matlab 成为一个巨大的图像记忆猪。这不再是真的。

这里发布了很多问题，关注opencv。如果我是你，我会高度兼容 opencv。

MATLAB 是 20 世纪最重要的软件发明之一，从 DSP 的角度来看，它的语法简直是世界上最好的。图像处理是其最强的部分之一。然而，它主要是学术重点，如果你寻找工业输出，你应该考虑拥有一些额外的工具。

LabView 就是这样一个例子，它与 NI 生产的 DSP 芯片和平台的自然集成可能是它最强大的部分。然而，对于核心算法开发，您仍然会受益于灵活的工具，例如 MATLAB 或其免费的半克隆 OCTAVE。

Python 是一种免费、强大且可扩展的语言。非常多才多艺。我不喜欢它的语法，它简直糟透了。尽管如此，它是免费的、不断发展的，并且具有出色的 Linux 集成与较差的 Windows 支持，并且在学术上被接受。它的包可能是它最强大的部分，而语法是最弱的。

OpenCV 是用于图像处理的独特任务的专用工具。它在机器视觉或工业自动化领域非常流行。然而，我认为，随着 Python 包日益增长和改进，它们最终可能会在未来取代 OpenCV 作为 Python 包。