我们的使命#

scikit-image 旨在成为 Python 科学图像分析的参考库。我们通过以下方式实现这一目标：

**易于使用和安装**。我们谨慎地接纳新的依赖项，有时会剔除现有的依赖项或将其设为可选。我们的 API 中所有函数都有详细的文档字符串，阐明了预期的输入和输出。
提供**一致的 API**。概念上相同的参数在函数签名中具有相同的名称和位置。
**确保正确性**。测试覆盖率接近 100%，代码在被纳入库之前至少要由两名核心开发人员审查。
**保护用户的數據**。我们拥有函数式 API，并且不会修改输入数组，除非明确指示这样做。
通过丰富的教学文档，促进**图像处理教育**。

我们的价值观

我们包容。我们继续欢迎和指导首次做出贡献的新人。
我们以社区为中心。有关 API 和功能的决定是由用户的需求驱动的，而不是由核心团队的任性决定的。（参见 SKIP 1 — scikit-image 治理与决策。）
我们主要服务于科学应用，而不是像 Photoshop 或 GIMP 那样进行“消费级”图像编辑。这意味着我们经常优先考虑 n 维数据支持，并拒绝那些没有多少科学价值的“炫目”滤镜的实现。
我们重视简单可读的实现，而不是追求性能的极限。易于理解的可读代码（对于新手和维护人员来说都是如此）更容易贡献新的代码，也更容易防止错误。这意味着，例如，如果可以将代码行减少一半，我们会宁愿接受 20% 的速度下降。
我们重视教育和文档。所有函数都应具有 NumPy 样式的文档字符串，最好包含示例，以及展示该函数如何在科学应用中使用的图库示例。核心开发人员积极参与完成文档示例。
我们不做魔法。我们使用 NumPy 数组而不是花哨的面向对象 [1]，我们更愿意教育用户，而不是替他们做出决定。这并不排除合理的默认值。

本文档#

与 Python 之禅和 PEP8 在大多数 Python 代码中指导样式和实现细节的方式相同，本指南旨在指导有关 scikit-image 未来发展的决策，无论是代码风格、是否接受新功能，还是是否采用新的依赖项，以及其他方面。

要了解更多关于本文档的历史，请阅读以下内容：

本文档献给公共领域，采用 Creative Commons CC0 许可证。根据 CC0+BY，鼓励在适当情况下对该来源进行归属。