用語集#

開発中

配列#: numpy.ndarrayオブジェクトによって提供される数値配列。scikit-imageでは、画像は、画像の空間次元に対応する次元と、カラー画像の色チャネルを持つNumPy配列です。画像のためのNumPy入門を参照してください。
チャネル#: 通常、カラー画像の単一の色チャネルを参照するために使用されます。RGBA画像は、追加のアルファ（透明度）チャネルを持っています。関数は、channel_axis引数を使用して、配列のどの軸がチャネルに対応するかを指定します。チャネルのない画像は、channel_axis=Noneで示されます。skimage.colorの関数以外では、channel_axis引数を持つほとんどの関数は、各チャネルに同じ操作を適用するだけです。この場合、「チャネル」は厳密に色またはアルファ情報を表す必要はなく、操作を行う任意の一般的なバッチ次元を表すことができます。
円#: 円盤の周囲。
輪郭#: 2次元画像が一定の値を持つ曲線。輪郭の内側（それぞれ外側）は、輪郭値よりも大きい（それぞれ小さい）値を持っています。
コントラスト#: 画像における強度または色の違いで、オブジェクトを区別できるようにします。画像のコントラストを操作するためのいくつかの関数は、skimage.exposureで使用できます。コントラストと露出を参照してください。
円盤#: 塗りつぶされた円。
浮動小数点数#: numpy.float32やnumpy.float64など、実数の表現。画像データ型とその意味を参照してください。画像に対するいくつかの操作では、浮動小数点型が必要です（例：skimage.filters.gaussian()での指数関数的プリファクターによる画像値の乗算）。そのため、整数型の画像は内部的に浮動小数点型に変換されることがよくあります。整数値も参照してください。
浮動小数点数値#: 浮動小数点数を参照。
ヒストグラム#: 画像の場合、強度値のヒストグラム。強度値の範囲はビンに分割され、ヒストグラムは各ビンに入るピクセル値の数をカウントします。skimage.exposure.histogram()を参照してください。
整数#: 整数値の表現。符号付きまたは符号なしで、表現する必要がある最大値に応じて1、2、4、または8バイトでエンコードされます。scikit-imageでは、最も一般的な整数型はnumpy.int64（大きな整数値用）とnumpy.uint8（小さな整数値用、通常は255未満のラベルを持つラベル画像）です。画像データ型とその意味を参照してください。
整数値#: 整数を参照。
等値線#: 輪郭を参照。
ラベル#: ラベル画像は整数型で、同じ整数値を持つピクセルは同じオブジェクトに属します。たとえば、セグメンテーションの結果はラベル画像です。skimage.measure.label()は、バイナリ画像の連結成分にラベルを付け、ラベル画像を返します。ラベルは通常連続した整数であり、skimage.segmentation.relabel_sequential()を使用して、任意のラベルを連続したラベルに再ラベル付けできます。
ラベル画像#: ラベルを参照。
ピクセル#: 画像の最小要素。画像はピクセルのグリッドであり、各ピクセルの強度は可変です。ピクセルは、グレースケール画像では単一の強度値を持つことができ、カラー画像では複数のチャネルを持つことができます。scikit-imageでは、ピクセルはnumpy配列の個々の要素です（画像のためのNumPy入門を参照）。ボクセルも参照してください。
セグメンテーション#: 画像を複数のオブジェクト（セグメント）に分割すること。たとえば、関心のあるオブジェクトとその背景など。セグメンテーションの出力は、通常、ラベルの画像であり、異なるオブジェクトのピクセルに異なる整数ラベルが付けられています。skimage.segmentationには、いくつかのセグメンテーションアルゴリズムがあります。
ボクセル#: 三次元画像のピクセル（画像の最小要素）。