| scikit-image
| |
|---|---|
| |
| Basisdaten
| |
| Entwickler | Community-Projek |
| Aktuelle Version | 0.25.2[1] (18. Februar 2025) |
| Betriebssystem | Plattformunabhängig |
| Programmiersprache | Python[2][3], Cython[2] |
| Kategorie | Technical computing |
| Lizenz | BSD-Lizenz |
| scikit-image.org | |
scikit-image (ehemals scikits.image) ist eine freie Software-Bibliothek zur Bildverarbeitung für die Programmiersprache Python. Sie enthält Algorithmen für Segmentierung, geometrische Transformationen, Farbraummanipulation, Analyse, Filterung, Morphologie, Feature-Erkennung und mehr. Sie basiert als SciKit (Kurzform für SciPy Toolkit), wie beispielsweise auch Scikit-learn, auf den numerischen und wissenschaftlichen Python-Bibliotheken NumPy und SciPy.[4][5]
Implementierung
Scikit-image ist weitgehend in Python geschrieben. Einige Kernalgorithmen wurden aus Performancegründen in Cython realisiert.
Beispiel
In diesem Beispiel wird ein Schachbrettmuster data.checkerboard() erzeugt und anschließend mit einer affinen Abbildung verzerrt. Nachdem noch weitere Elemente dem Bild hinzugefügt worden sind, werden Eckpunkte mit Hilfe des Harris Corner Detectors, eines Interest-Operators, ermittelt.
from matplotlib import pyplot as plt
from skimage import data
from skimage.feature import corner_harris, corner_subpix, corner_peaks
from skimage.transform import warp, AffineTransform
from skimage.draw import ellipse
# Wir erzeugen eine Affine Abbildung des Schachbrettmusters data.checkerboard()
tform = AffineTransform(scale=(1.3, 1.1), rotation=1, shear=0.7, translation=(210, 50))
image = warp(data.checkerboard(), tform.inverse, output_shape=(350, 350))
# Ellipse zeichnen
rr, cc = ellipse(310, 175, 10, 100)
image[rr, cc] = 1
# zwei Rechtecke zeichnen
image[180:230, 10:60] = 1
image[230:280, 60:110] = 1
# Mit Hilfe des Harris Corner Detectors Eckpunkte ermitteln
coords = corner_peaks(corner_harris(image), min_distance=5)
coords_subpix = corner_subpix(image, coords, window_size=13)
fig, ax = plt.subplots()
ax.imshow(image, interpolation='nearest', cmap=plt.cm.gray)
ax.plot(coords[:, 1], coords[:, 0], '.b', markersize=3)
ax.plot(coords_subpix[:, 1], coords_subpix[:, 0], '+r', markersize=15)
ax.axis((0, 350, 350, 0))
plt.show()
Siehe auch
- OpenCV eine freie Programmbibliothek mit Algorithmen für die Bildverarbeitung und maschinelles Sehen
Weblinks
Einzelnachweise
- ↑ Release 0.25.2. 18. Februar 2025 (abgerufen am 28. Februar 2025).
- ↑ a b In: scikit-image: image processing in Python.
- ↑ www.openhub.net. In: Open Hub. (abgerufen am 25. Januar 2021).
- ↑ Emmanuelle Gouillart: Scikit-image: image processing — Scipy lecture notes. In: Tutorials on the scientific Python ecosystem: a quick introduction to central tools and techniques. Abgerufen am 31. August 2018 (englisch).
- ↑ Eric Chiang: Image Processing with scikit-image. In: The Yhat Blog. 30. Januar 2014, abgerufen am 31. August 2018 (englisch).