快速、可交互、可扩展的 Python 图像查看器，专为科学图像分析设计。
GPU 加速 · 多维渲染 · 插件生态 · 开源免费
pip install napari[all]
Python 3.9 - 3.12，推荐在 conda 虚拟环境中安装
pip install napari[all] -i https://pypi.tuna.tsinghua.edu.cn/simple
国内用户推荐，下载速度显著提升
pip install git+https://github.com/napari/napari.git
尝鲜最新功能，可能不稳定
基于 VisPy，实时渲染大尺寸 3D/5D 图像，流畅缩放平移。
napari-hub 上有 200+ 插件，覆盖分割、追踪、滤波、可视化等。
与 NumPy、scikit-image、PyTorch、TensorFlow 无缝集成，可在 napari 内直接运行 Python 代码。
内置 labels 层，支持手动绘制、填充、擦除、插值标注。
通道叠加、colormap 自定义、对比度/伽马调节、3D 表面渲染。
通过插件支持 TIFF、Zarr、HDF5、CZI、ND2、DICOM、NIfTI 等。
以下插件按功能分类，可通过 Plugins → Install/Uninstall Plugins 在 napari 内直接安装。
集成 Cellpose，一键细胞/核分割。支持自定义模型。
分割热门StarDist 核分割，基于星形凸多边形检测，速度快。
分割集成 Segment Anything Model，通用图像分割。
分割新基于机器学习的像素/对象分类，无需深度学习。
分类集成 scikit-image 的全部图像处理算子，阈值/滤波/形态学。
处理膜/细胞分割工具集，基于经典图像处理方法。
分割3D 交互标注工具，支持在三维空间中绘制点、线、面。
3D三视图正交切片浏览，方便 3D 数据标注。
3D在 napari 内嵌入 IPython 终端，动态执行代码。
工具将标注结果导出为 SVG 矢量图，方便论文插图。
导出图层帘幕对比工具，左右滑动比较两张图像。
可视化将所有插件工具整合到同一个菜单中，方便管理。
工具读取 NIfTI 格式医学图像（.nii / .nii.gz）。
医学综合医学图像格式支持：DICOM、NIfTI、MHD、MHA 等。
医学读取 CZI、LIF、ND2 等显微镜专用格式。
显微读取 Zarr 格式的大规模 OME-NGFF 数据。
大数据增强 TIFF 读写能力，支持多页/超大文件。
格式读取 Imaris (.ims) 格式数据。
格式基于 PyTorch 的通用分割工具，支持自定义模型。
DLnnU-Net 推理结果可视化与校正。
DL交互式分割辅助：少量标注 + 算法自动补全。
交互🎯 定位：老牌生物图像分析平台
✅ 成熟稳定、宏录制、批量处理
❌ Java 生态、Scripting 受限、对大文件支持弱
🎯 定位：现代 Python 原生图像查看器
✅ GPU 加速、Python 生态、插件丰富
✅ 大文件、多维数据、交互式分析
🎯 定位：病理图像分析
✅ 全切片图像（WSI）支持好
❌ 专注病理，通用性不如 napari
F 全屏 · H 显示/隐藏图层
Ctrl+Shift+N 新图层 · 鼠标滚轮 切片切换
标注过程中 napari 会自动保存 labels 状态，不用担心丢失。
直接将图像文件拖入 napari 窗口即可打开。
在 Jupyter notebook 中使用 %gui qt 可内嵌 napari。