多孔材料图像分析库
PoreSpy 是一个用于多孔材料图像定量分析的 Python 工具包，典型输入是 X-ray tomography 获得的 3D 图像。它的定位不是通用图像处理库，而是把多孔介质研究中常见的分析流程封装成预定义函数，减少用户用 skimage、scipy.ndimage、ImageJ 或 Matlab 图像工具箱从零编写复杂脚本的成本。
从文档结构看，PoreSpy 模块划分较完整：generators 可生成测试和演示用的人工多孔材料图像；filters 负责图像变换、孔隙填充、距离变换、局部厚度、SNOW 分割等处理；metrics 提供孔隙率、孔径分布、弦长分布、连通性、表面积、体积等指标计算；networks 面向孔隙网络分析；simulations 支持基于图像的物理仿真；visualization 和 io 则用于可视化与数据导出。API Reference 中列出的函数非常多，说明其覆盖面较深。
正文提供 GitHub、Issue Tracker，并引用 Journal of Open Source Software 论文，基本可视为开源科研工具。它以 Python 包形式提供 API，适合在科研脚本、Jupyter 工作流或自动化分析流程中调用。生态方面，io 模块支持导出到 VTK、ParaView、STL、Palabos 等格式或软件，便于与三维可视化、网格和仿真工具衔接。
页面未出现商业定价、订阅或企业版信息。结合其开源属性，通常适合免费科研使用，但许可证和商业使用条款需要进一步查看仓库。文档质量是亮点：站点包含安装、示例、API Reference、Issue Tracker、Get Help，并明确提到有大量函数示例和教程，对新用户入门较友好。
优点是领域聚焦、函数预置丰富、可复现实验友好，并能替代大量重复脚本工作；缺点是适用范围较垂直，对非多孔介质图像分析价值有限，且正文未提供商业支持、SLA 或依赖环境细节。它最适合材料科学、多孔介质、岩石、燃料电池、电池材料等方向的研究人员，以及需要批量处理 3D 孔隙图像的 Python 开发者。
官网文档是否可直连无法仅凭正文判断，标记为未知。项目依赖 GitHub、Twitter 等外部入口，在中国大陆访问可能存在不稳定或需代理的情况。若访问受限，可考虑同类工具 skimage、scipy.ndimage、ImageJ 或 Matlab Image Processing Toolbox，但这些替代品通常需要自行搭建多孔介质专用流程。
本测评基于公开资料整理,不构成购买建议,请以 porespy.org 官网实际信息为准。
科研开源工具，适合材料图像分析。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。