scikit-image（Scikit-image 是用于图像处理的 Python 包，使用原生的 NumPy 数组作为图像对象）

Scikit image 中文开发手册 - 开发者手册 - 腾讯云开发者社区-腾讯云

昨天搜索一个函数时无意间发现这个网站，今天来学习一下，仅作学习笔记。

measure

skimage.measure.approximate_polygon（coords，...）	近似具有指定公差的多边形链。
skimage.measure.block_reduce（image，block_size）	通过对局部块应用函数来下采样图像。
skimage.measure.compare_mse（im1，im2）	计算两幅图像之间的均方差。
skimage.measure.compare_nrmse（im_true，im_test）	计算两幅图像之间的归一化均方根误差（NRMSE）。
skimage.measure.compare_psnr（im_true，im_test）	计算图像的峰值信噪比（PSNR）。
skimage.measure.compare_ssim（X，Y，...）	计算两幅图像之间的平均结构相似性指数。
skimage.measure.correct_mesh_orientation（...）	网格面的正确方向。
skimage.measure.find_contours（数组，级别）	对于给定的水平值，在二维数组中找到等值的轮廓。
skimage.measure.grid_points_in_poly（shape，verts）	测试指定网格上的点是否在多边形内。
skimage.measure.label（输入，邻居，...）	标记整数数组的连接区域。
skimage.measure.marching_cubes（volume，...）	Lewiner推进立方体算法来查找3D体积数据中的曲面。
skimage.measure.marching_cubes_classic（体积）	经典的游动立方体算法，用于查找3D体积数据中的曲面。
skimage.measure.marching_cubes_lewiner（体积）	marching_cubes（）的别名。
skimage.measure.mesh_surface_area（verts，faces）	计算表面积，给定顶点和三角形面
skimage.measure.moments（图片，订单）	计算所有原始图像时刻达到一定的顺序。
skimage.measure.moments_central（image，cr，cc）	计算所有的中心图像时刻达到一定的顺序。
skimage.measure.moments_hu（NU）	计算胡的一组图像时刻。
skimage.measure.moments_normalized（mu，order）	计算所有归一化的中心图像时刻，达到一定的顺序。
skimage.measure.perimeter（图片，邻居）	计算二进制图像中所有对象的总周长。
skimage.measure.points_in_poly（点，垂直）	测试点是否位于多边形内。
skimage.measure.profile_line（img，src，dst）	返回沿扫描线测量的图像的强度分布。
skimage.measure.ransac（data，model_class，...）	使用RANSAC（随机样本一致性）算法将模型拟合到数据。
skimage.measure.regionprops（label_image，...）	测量标记的图像区域的属性。
skimage.measure.shannon_entropy（image，base）	计算图像的香农熵。
skimage.measure.structural_similarity（X，Y）	弃用功能。改用compare_ssim。
skimage.measure.subdivide_polygon（coords，...）	使用B样条对多边形曲线进行细分。
skimage.measure.CircleModel（）	2D圆圈的总体最小二乘估计量。
skimage.measure.EllipseModel（）	2D椭圆的总体最小二乘估计量。
skimage.measure.LineModel（）	2D线的总最小二乘估计量。
skimage.measure.LineModelND（）	N维线的总体最小二乘估计量。
skimage.measure.block	​
skimage.measure.entropy	​
skimage.measure.fit	​
skimage.measure.pnpoly	​
skimage.measure.profile	​
skimage.measure.simple_metrics	​

参考

compare_ssim

skimage.measure.compare_ssim(X, Y, win_size=None, gradient=False, data_range=None, multichannel=False, gaussian_weights=False, full=False, dynamic_range=None, **kwargs)

参考：https://github.com/scikit-image/scikit-image/blob/v0.13.1/skimage/measure/_structural_similarity.py#L14

计算两幅图像之间的平均结构相似性指数。

参数：	X，Y：ndarray图片。任何维度。 win_size：int或None用于比较的滑动窗口的边长。必须是奇数值。如果gaussian_weights为True，则忽略它，窗口大小将取决于西格玛。 渐变：布尔，可选如果为True，也会返回渐变。 data_range：int，可选输入图像的数据范围（最小和最大可能值之间的距离）。默认情况下，这是从图像数据类型估计的。 多通道：bool，可选如果为True，则将数组的最后一个维度视为通道。 相似性计算是针对每个通道独立完成的，然后进行平均。gaussian_weights：bool，可选如果为True，则每个补丁均具有由宽度为sigma = 1.5的归一化高斯内核进行空间加权的均值和方差。full：bool，可选如果为True，
返回：	mssim：float图像上的平均结构相似度。 grad：ndarray X和Y R333之间的结构相似性指数的梯度。这仅在梯度设置为True时才会返回。 S：ndarray完整的SSIM图像。这仅在full设置为True时才会返回。

| 其他参数：|

| | use_sample_covariance：bool如果为真，用N-1归一化协方差而不是N，其中N是滑动窗口内的像素数。K1：浮点算法参数，K1（小常量，参见R332）K2：浮点算法参数，K2（小常量，参见R332）sigma：当gaussian_weights为真时为高斯浮点数。|