词汇表¶
正在进行的工作
- 阵列¶
数值数组,由
numpy.ndarray
对象提供。在……里面scikit-image
,图像是NumPy数组,其维度对应于图像的空间维度,以及用于彩色图像的颜色通道。参见图像的NumPy速成课程。- 等高线¶
- 等值线¶
二维图像沿其具有恒定值的曲线。内饰(分别为轮廓的外部)具有更大的值(分别为小于等高值)。
- 对比度¶
图像中的强度或颜色的差异,使对象可区分。在
skImage.exposure
中提供了几个控制图像对比度的函数。参见对比度和曝光。- 浮动¶
- 浮点值¶
实数的表示形式,例如
np.flat32
或np.flat64
。参见data_typees。有些图像操作需要浮点数据类型(如在filters.gaussian()
中将图像值乘以指数前因子),因此整型图像往往会在内部转换为浮点型。另请参阅int值。- 直方图¶
对于图像,指强度值的直方图,其中强度值的范围被分成多个条带,该直方图计算每个条带中有多少个像素值。请参见
exposure.visogram()
。- 集成¶
- 整数值¶
整数的表示,可以带符号也可以不带符号,根据需要表示的最大值,编码为一、二、四或八个字节。在……里面
scikit-image
,最常见的整数类型有:np.int64
(表示大整数值)和np.uint8
(表示小整数值,通常是标签数小于255的标签的图片)。参见data_typees。- 标签¶
- 标签图像¶
标签的图像是整型的,其中具有相同整数值的像素属于同一对象。例如,分割的结果是标签的图像。
measure.bel()
标记二进制图像的连通分量,并返回标签的图像。标签通常是连续的整数,可以使用Segmentation.relabel_Sequential()
将任意标签重新标记为连续的(连续的)标签。- 像素¶
图像的最小元素。图像是一个像素网格,每个像素的亮度是可变的。在灰度图像中,一个像素可以具有单个强度值,对于彩色图像,可以具有多个通道。在……里面
scikit-image
,像素是的各个元素numpy arrays
(参见图像的NumPy速成课程)。另请参见voxel。- 分段¶
将图像分割成多个对象(段),例如感兴趣的对象及其背景。分割的输出通常是标签的图像,其中不同对象的像素被赋予不同的整数标签。在
skImage.Segmentation
中提供了几种分割算法。- 体素¶
三维图像的`象素‘(图像的最小元素)。