data

标准测试图像。

有关更多图像，请参阅

• http://sipi.usc.edu/database/database.php

skimage.data.astronaut()	宇航员艾琳柯林斯的彩色图像。
skimage.data.binary_blobs（长度，...）	用几个圆形的blob-like物体生成合成二进制图像。
skimage.data.camera()	灰度“相机”图像。
skimage.data.checkerboard()	棋盘图像。
skimage.data.chelsea()	切尔西的猫。
skimage.data.clock()	运动模糊的时钟。
skimage.data.coffee()	咖啡杯。
skimage.data.coins()	希腊硬币从庞贝城。
skimage.data.expected_warnings（匹配）	用于测试的上下文，以捕获匹配正则表达式的已知警告
skimage.data.horse()	一匹马的黑色和白色剪影。
skimage.data.hubble_deep_field()	哈勃极限深度场。
skimage.data.img_as_bool（image，force_copy）	将图像转换为布尔格式。
skimage.data.immunohistochemistry()	用苏木精复染免疫组织化学（IHC）染色。
skimage.data.imread（fname，as_grey，...）	从文件加载图像。
skimage.data.load（f，as_grey）	加载位于数据目录中的图像文件。
skimage.data.logo()	Scikit-image标志，一个RGBA图像。
skimage.data.moon()	月亮的表面。
skimage.data.page()	扫描页面。
skimage.data.rocket()	SpaceX发布Falcon 9上的DSCOVR照片。
skimage.data.stereo_motorcycle()	整合立体图像对与地面实况差异。
skimage.data.text()	用于角落检测的灰度“文本”图像。
skimage.data.use_plugin（名称，种类）	设置指定操作的默认插件。
skimage.data.np	​

astronaut

skimage.data.astronaut()[source]

宇航员艾琳柯林斯的彩色图像。

美国宇航员艾琳柯林斯的照片。她于1992年被选为宇航员，并于1995年首次试运行了STS-63号航天飞机。她在2006年退休后，在外层空间共花费了38天8小时10分钟。

该图像是从美国宇航局大图像数据库[https://flic.kr/p/r9qvLn](https://flic.kr/p/r9qvLn)`__下载的。

没有已知的版权限制，公开进公有领域。

返回：	astronaut : (512, 512, 3) uint8 ndarray 宇航员图像。

binary_blobs

skimage.data.binary_blobs(length=512, blob_size_fraction=0.1, n_dim=2, volume_fraction=0.5, seed=None)[source]

用几个圆形的blob-like物体生成合成二进制图像。

参数：	长度：int，可选输出图像的线性尺寸。blob_size_fraction：float，可选blob的典型线性大小（作为长度的一部分）应小于1. n_dim：int，可选输出图像的维数。volume_fraction：float，默认值0.5 blob覆盖的图像像素的分数（其中输出为1）。应该在0,1中。seed：int，可选Seed来初始化随机数生成器。如果没有，则使用操作系统中的随机种子。
返回：	blob：bools的ndarray输出二进制图像

例子

>>> from skimage import data
>>> data.binary_blobs(length=5, blob_size_fraction=0.2, seed=1)
array([[ True, False,  True,  True,  True],
       [ True,  True,  True, False,  True],
       [False,  True, False,  True,  True],
       [ True, False, False,  True,  True],
       [ True, False, False, False,  True]], dtype=bool)
>>> blobs = data.binary_blobs(length=256, blob_size_fraction=0.1)
>>> # Finer structures
>>> blobs = data.binary_blobs(length=256, blob_size_fraction=0.05)
>>> # Blobs cover a smaller volume fraction of the image
>>> blobs = data.binary_blobs(length=256, volume_fraction=0.3)

camera

skimage.data.camera()[source]

灰度“camera”图像。

通常用于分割和去噪示例。

返回：	camera : (512, 512) uint8 ndarray相机图像。

checkerboard

skimage.data.checkerboard()[source]

棋盘图像。

棋盘格经常用于图像校准，因为角点很容易定位。由于许多平行边缘，它们还可以很好地将扭曲可视化。

返回：	checkerboard : (200, 200) uint8 ndarray 棋盘图像。

chelsea

skimage.data.chelsea()[source]

切尔西的猫。

以纹理为例，水平和对角方向上的突出边缘以及不同比例的特征。

返回：	chelsea : (300, 451, 3) uint8 ndarray 切尔西形象。

注意

没有版权限制。CC0由摄影师Stefan van der Walt拍摄。

clock

skimage.data.clock()[source]

运动模糊的时钟。

在沿近似水平方向移动照相机时拍摄了这张挂钟的照片。它可以用来说明逆滤波器和解卷积。

摄影师（Stefan van der Walt）发布到公共领域。

返回：	clock : (300, 400) uint8 ndarray时钟图像。

coffee

skimage.data.coffee()[source]

咖啡杯。

这张照片由Pikolo Espresso Bar提供。它包含几个椭圆形状以及不同的纹理（光滑的瓷器当然是木纹）。

返回：	coffee : (400, 600, 3) uint8 ndarray 咖啡图片。

注意

没有版权限制。CC0由摄影师（Rachel Michetti）拍摄。

coins

skimage.data.coins()[source]

希腊硬币从庞贝城。

此图显示了灰色背景下概述的几个硬币。它在例如分割测试中特别有用，其中单个对象需要根据背景来识别。背景与硬币共享足够的灰度级，简单分割是不够的。

返回：	coins : (303, 384) uint8 ndarray Coins image.

注意

这张照片是从布鲁克林博物馆藏品下载的。

没有已知的版权限制。

expected_warnings

skimage.data.expected_warnings(matching)[source]

用于测试的上下文，以捕获匹配正则表达式的已知警告

参数：	匹配：字符串列表或编译的正则表达式正则表达式用于捕获所需的警告

注意

用于all_warnings确保提出所有警告。退出后，它会检查记录的警告是否符合所需的匹配模式。如果找不到匹配或发生意外警告，则引发ValueError。允许三类行为：and，or，和optional比赛。这样做是为了适应可能产生不同警告的不同构建环境或环路条件。行为可以合并。如果你通过多种模式，你会得到一个无序的and，所有的警告必须提出。如果您使用|模式中的操作符，则可以捕获多个警告中的一个。最后，你可以用|AZ一个模式来表示它是可选的。

例子

>>> from skimage import data, img_as_ubyte, img_as_float
>>> with expected_warnings(['precision loss']):
...     d = img_as_ubyte(img_as_float(data.coins()))

horse

skimage.data.horse()[source]

一匹马的黑色和白色剪影。

此图像从下载 openclipart <http://openclipart.org/detail/158377/horse-by-marauder>

发布到公共领域并由Andreas Preuss（掠夺者）绘制和上传。

返回：	horse : (328, 400) bool ndarray 马形象。

hubble_deep_field

skimage.data.hubble_deep_field()[source]

哈勃极限深度场。

这张照片包含了哈勃望远镜有史以来最远的宇宙观。它可以用作多尺度检测的示例。

返回：	hubble_deep_field：（872,1000,3）uint8 ndarray哈勃望远镜图像。

注意

此图像是从哈勃网站下载的。

该图像由美国宇航局拍摄，可以在公共领域自由使用。

img_as_bool

skimage.data.img_as_bool(image, force_copy=False)[source]

将图像转换为布尔格式。

参数：	图像：ndarray输入图像。force_copy：bool，可选强制数据的副本，而不管其当前的dtype。
返回：	out：bool（bool_）的ndarray输出图像。

注意

输入dtype的正范围的上半部分是True，下半部分是False。所有负值（如果存在）都是False。

immunohistochemistry

skimage.data.immunohistochemistry()[source]

用苏木精复染免疫组织化学（IHC）染色。

该图显示了用DAB显示FHL2蛋白的IHC表达的结肠腺。应用苏木精复染以增强组织的负面部分。

该图像是在显微镜和分子成像中心（CMMI）获得的。

没有已知的版权限制。

返回：	immunohistochemistry : (512, 512, 3) uint8 ndarray 免疫组织化学图像。

imread

skimage.data.imread(fname, as_grey=False, plugin=None, flatten=None, **plugin_args)[source]

从文件加载图像。

参数：	fname：字符串图像文件名，例如test.jpg或URL。as_grey：bool如果为True，则将彩色图像转换为灰度（64位浮点数）。已经处于灰度格式的图像不会被转换。plugin：str要使用的插件的名称。默认情况下，尝试不同的插件（从Python Imaging Library开始），直到找到合适的候选人。如果没有给出，并且fname是一个tiff文件，则将使用tifffile插件。
返回：	img_array：ndarray不同的色带/通道存储在第三维中，使得灰度图像为MxN，RGB图像MxNx3和RGBA图像MxNx4。

| Other Parameters: |

| | plugin_args：关键字传递给给定的插件。flatten：bool向后兼容关键字，取代as_grey。plugin_args：关键字传递给给定的插件。|

load

skimage.data.load(f, as_grey=False)[source]

加载位于数据目录中的图像文件。

参数：	f：字符串文件名。as_grey：bool，可选转换为灰度。
返回：	img：ndarray从skimage.data_dir加载的图像。

logo

skimage.data.logo()[source]

Scikit-image标志，一个RGBA图像。

返回：	logo：（500，500，4）uint8 ndarray Logo图片。

moon

skimage.data.moon()[source]

月亮的表面。

这个月球表面的低对比度图像可用于说明直方图均衡和对比度拉伸。

返回：	moon : (512, 512) uint8 ndarray 月亮图像。

页

skimage.data.page()[source]

扫描页面。

打印文本的图像对于需要不均匀背景照明的演示非常有用。

返回：	page：（191，384）uint8 ndarray Page图片。

火箭

skimage.data.rocket()[source]

SpaceX发布Falcon 9上的DSCOVR照片。

这是Falcon 9的发射照片，携带DSCOVR从位于佛罗里达州卡纳维拉尔角空军基地的SpaceX发射综合大楼40升空。

返回：	rocket：（427,640,3）uint8 ndarray火箭形象。

注意

此图像是从SpaceX Photos下载的。

该图像由SpaceX拍摄并公开发布。

stereo_motorcycle

skimage.data.stereo_motorcycle()[source]

整合立体图像对与地面实况差异。

这两个图像被纠正，使得左图像中的每个像素在右图像中的相同扫描线上具有其对应的像素。这意味着两个图像都被扭曲，使得它们具有相同的方向，但是具有水平空间偏移（基线）。列方向上的地面实际像素偏移由所包括的视差图指定。

这两张图片是Middlebury 2014立体声基准的一部分。数据集由Nera Nesic，Porter Westling，Xi Wang，北岛约克，Greg Krathwohl和Daniel Scharstein在Middlebury College创建。收购过程的详细描述可以在[R91]中找到。

这里包含的图像是基准中默认曝光图像的下采样版本。使用该功能将图像下采样4倍skimage.transform.downscale_local_mean。下面的校准数据和包含的地面真实视差图对于下采样图像有效：

Focal length:           994.978px
Principal point x:      311.193px
Principal point y:      254.877px
Principal point dx:      31.086px
Baseline:               193.001mm

返回：	img_left：（500，741，3）uint8 ndarray左立体声图像。img_right：（500，741，3）uint8 ndarray右侧立体图像。disp：（500,741,3）浮动地面真实视差图，其中每个值描述了左右立体图像中对应像素之间在列方向上的偏移。例如，img_left [10,10 + disp10,10]的相应像素是img_right10,10。NaNs表示左图像中没有地面实况的像素。

注意

原始分辨率图像，具有不同曝光和照明的图像以及地面实景深度图可以在Middlebury网站[R92]中找到。

参考

R91	（1,2）D.Scharstein，H.Hirschmueller，Y. Kitajima，G.Krathwohl，N.Nesic，X.Wang和P.Westling。高分辨率立体数据集，具有亚像素精确度的基本事实。2014年9月在德国慕斯特举行的德国模式识别会议（GCPR 2014）上。

R92	(1, 2) http://vision.middlebury.edu/stereo/data/scenes2014/

text

skimage.data.text()[source]

用于角落检测的灰度“text”图像。

返回：	text : (172, 448) uint8 ndarray文字图像。

注意

此图像是从维基百科下载的[http://en.wikipedia.org/wiki/File:Corner.png](http://en.wikipedia.org/wiki/File:Corner.png)`__。

没有已知的版权限制，公开进公有领域。

use_plugin

skimage.data.use_plugin(name, kind=None)[source]

设置指定操作的默认插件。如果该插件尚未加载，该插件将被加载。

参数：	名称：str插件的名称。kind：{'imsave'，'imread'，'imshow'，'imread_collection'，'imshow_collection'}，可选设置该功能的插件。默认情况下，插件是为所有功能设置的。

另请参阅

available_plugins 可用插件列表

示例

要使用Matplotlib作为默认图像阅读器，您可以编写：

>>> from skimage import io
>>> io.use_plugin('matplotlib', 'imread')

查看可用插件运行列表io.available_plugins。请注意，这列出了已定义的插件，但如果您的系统没有安装所需的库，则完整列表可能无法使用。