词汇表

正在进行中

数组

数值数组，由 numpy.ndarray 对象提供。在 scikit-image 中，图像为 NumPy 数组，其维度对应于图像的空间维度，以及彩色图像的色彩通道。请参阅 NumPy 图像速成课程。

通道

通常用于指代彩色图像中的单个色彩通道。RGBA 图像具有一个额外的 alpha（透明度）通道。函数使用 channel_axis 参数来指定数组中哪个轴对应于通道。没有通道的图像通过 channel_axis=None 表示。除了 skimage.color 中的函数之外，大多数具有 channel_axis 参数的函数只是对每个通道应用相同的操作。在这种情况下，“通道”不必严格表示颜色或 alpha 信息，而是可以是任何用于操作的通用批处理维度。

圆形

磁盘 的周长。

轮廓

二维图像具有恒定值的曲线。轮廓的内部（分别为外部）的值大于（分别为小于）轮廓值。

对比度

图像中强度或颜色的差异，使对象可区分。在 skimage.exposure 中提供了几个用于操作图像对比度的函数。请参阅 对比度和曝光。

磁盘

填充的 圆形。

浮点数

实数的表示，例如 numpy.float32 或 numpy.float64。请参阅 图像数据类型及其含义。一些图像操作需要浮点数据类型（例如在 skimage.filters.gaussian() 中将图像值乘以指数预因子），因此整数类型图像通常在内部转换为浮点类型。另请参阅 int 值。

浮点值

请参阅 浮点数。

直方图

对于图像，强度值的直方图，其中强度值的范围被划分为箱体，直方图计算每个箱体中落入多少个像素值。请参阅 skimage.exposure.histogram()。

整数

整数的表示，可以是有符号的也可以是无符号的，并且根据需要表示的最大值在 1、2、4 或 8 个字节上进行编码。在 scikit-image 中，最常见的整数类型是 numpy.int64（用于较大的整数值）和 numpy.uint8（用于较小的整数值，通常是标签少于 255 个标签的图像）。请参阅 图像数据类型及其含义。

整数值

请参阅 整数。

等值轮廓

请参阅 轮廓。

标签

标签图像为整数类型，其中具有相同整数值的像素属于同一个对象。例如，分割的结果是标签图像。 skimage.measure.label() 对二值图像的连通分量进行标记，并返回标签图像。标签通常是连续的整数，skimage.segmentation.relabel_sequential() 可用于将任意标签重新标记为连续（连续）的标签。

标签图像

请参阅 标签。

像素

图像的最小元素。图像是一个像素网格，每个像素的强度都是可变的。像素在灰度图像中可以具有单个强度值，或者在彩色图像中具有多个通道。在 scikit-image 中，像素是 numpy arrays 的单个元素（请参阅 NumPy 图像速成课程）。另请参阅 体素。

分割

将图像划分为多个对象（片段），例如感兴趣的对象及其背景。分割的输出通常是 标签 图像，其中不同对象的像素被赋予了不同的整数标签。 skimage.segmentation 中提供了多种分割算法。

体素

三维图像的 像素（图像的最小元素）。