问题标签 [scikit-image]

python 库 scikit image 有一个名为“match_template”的函数。它获取一个图像和一个子图像，并返回子图像最有可能位于主图像中的位置。

它通过一个值网格（每个值从 -1 到 1）返回此信息，表示针图像的右上角位于干草堆图像中该位置的可能性。

出于某种原因，我在输出数组中得到的值高达 3.5。没有文件提到这个事实。

有谁知道发生了什么？

http://scikit-image.org/docs/dev/api/skimage.feature.html?highlight=match_template#skimage.feature.match_template

我想用skimage.graph.route_through_array路由数组。我有一个起点和多个目的地。我想知道是否可以将多个目的地插入到函数中。我知道我也可以循环该函数，但我正在寻找更快的东西。

我有大文件 9600x7000 像素 jpg 文件，我正在尝试查看是否可以进行边缘检测。我尝试使用以下方法加载大（25Mb）文件：

但是python解释器会崩溃。我正在使用运行 Python 2.7 的 Pycharm。

因此，我使用了 GDAL（用于大型GEO 参考文件）来加载文件。它将文件加载到内存中没有任何问题。

这将加载文件。但是，我正在尝试对其进行以下边缘检测：

如果我使用以下代码生成图像，这将起作用：

我的问题是我不太了解 Python 关于“图像”变量与 GDAL 生成的数据集变量的数据格式。我的最终目标是能够使用 Python scikit-image 库对大 (10000x7000) 像素 jpg 图像进行边缘检测。如果 GDAL 有更好的方法来读取大型 jpg 图像，我愿意接受。

如果我设置：

并运行它，我收到以下错误：

此错误消息指出我不了解数据集和图像变量之间的数据类型。

给出：

和

类型（图像）

给出：

对于您的大型源文件，请使用： http ://www.lib.utexas.edu/maps/tpc/txu-pclmaps-oclc-22834566_a-2c.jpg试一试。

我有这样的图像：

在我通过 scikit 图像的骨架化功能对其进行骨架化之后

有没有办法计算黑色空间的数量？（在这张图六中）除了 scikit-image 或 mahotas 中的背景？

如何在 Python cv2 中从 Internet URL 读取图像？

这个堆栈溢出答案，

不好，因为 Python 向我报告：

当我尝试运行设置时，从 Windows 命令提示符出现此错误：

有谁知道我可以做些什么来安装 scikit？谢谢！

我使用直方图均衡和自适应来消除灰度图像中的照明，但是在直方图均衡（我使用 scikit 图像 python 库）很好之后，在mahotas中的图像转换过程中出现了问题。我得到了一张全黑的照片。我该如何解决？

• 源图像：

• 直方图均衡和适应；

• mahotas 转换后的结果。

从 scikit 到 mahotas 的转换代码：

源代码：

使用 scikit-image 将整数图像转换为浮点图像时，我遇到了某种问题。

这是一个示例（图像是 2 像素图像）：

我期待这个：

但我得到了这个：

从 to 丢失精度是正常的float，int但是在这里我在从 to 传递int到floatusing时丢失了真实信息img_as_float。我在GitHub 上阅读代码时没有发现任何东西...

为什么这可能？

我正在尝试使用 scikit-image 将图像从 RGB 转换为 XYZ。我发现根据输入类型存在一些差异：

这是输出：

差异的原因img_to_float是内部使用的功能rgb2xyz（请参阅this question）。

但我想知道：正确的使用方法是rgb2xyz什么？

关于这个问题，有多种解决方案，具体取决于公式，但同样：所需的正确图像类型是rgb2xyz什么？似乎是unit8，但为什么呢？谢谢！

我使用直方图均衡和自适应来消除灰度图像中的照明：

但在直方图均衡之后，我使用 otsu 方法：

下一个示例的阈值是：16329

源图像：

直方图均衡和自适应后：

大津法后：

Otsu 之前的图像是一个 uint16 数组，Otsu 之后是一个 numpy 布尔数组。

在stackoverflow中建议我使用直方图均衡来避免照明问题。

是灰色背景吗？我该如何解决？