用skimage学习数字图像处理（003）：Skimage各模块初探（中）

本节将简要介绍skimage扩展库，重点介绍各个模块的功能，大家可以将其作为一个手册来查询。这是中篇，主要介绍几个算法类的子库，包括：metrics（评价指标）、transform（几何变换）、exposure（点变换）、filter（滤波）、restoration（复原）、morphology（形态学）等模块，这些内容对应图像处理领域中的底层技术。本篇文档约8000字。

目录

2.3 算法类模块

2.3.1 metrics模块

2.3.2 util模块

2.3.3 transform模块

2.3.4 exposure模块

2.3.5 filters模块

2.3.6 restoration模块

2.3.7 morphology模块

2.3 算法类模块

这类模块是scikit-image的主要组成部分，功能丰富，基本上涵盖了主流的经典DIP算法。

不是很准确的统计，Skimage大约提供有独立函数名的算法超过500+。Skimage更专注于基础的DIP领域，所实现的DIP算法较OpenCV更全面，但在OpenCV擅长的视频处理和3D视觉领域的函数较少。

由于后面的教程基本上都是围绕着各个模块展开的。在此只简要说明各个模块的主要功能，并列举其中最有代表性的若干算法。

2.3.1 metrics模块

在图像处理领域，为了比较同类算法的性能差异，常使用一些性能指标（Matrics）用于衡量处理结果的优劣程度。Skimage库使用metrics模块计算出各种常见的指标值，通过调用这些函数，可