PYTHONヘルプ

SciKit-Image Python （開発用のしくみ：ガイド）

更新日:6月 22, 2025

Scikit-imageは、Pythonでの画像処理用に設計されたアルゴリズムのコレクションです。これは無料で利用可能で、制限がなく、活発なボランティアのコミュニティから提供された、高品質で査読済みのコードを誇ります。 Scikit-imageプロジェクトは、2009年にGoogleのGoogle Summer Codeプログラムの一環として、Stefan van der Waltと他のScikit-imageの寄稿者の指導のもとで始まりました。これは、学術および産業アプリケーション向けに使いやすく、効率的で拡張可能なPythonライブラリを作成することを目指していました。 In this article, we will learn about the Scikit-image Python imaging library and a PDF generation library from IronSoftware called IronPDF.

開始方法

Scikit-imageについて学ぶには、公式ウェブサイトをチェックしてください。また、Data Carpentryは、Scikitを使用したPythonでの画像処理に関する優れたレッスンを提供しています。

pipによるインストール

Pythonがインストールされていることを確認してください（少なくともバージョン3.10）。
ターミナルまたはコマンドプロンプトを開きます。
- pipを更新する：
```
python -m pip install -U pip
```
```
python -m pip install -U pip
```
SHELL
- pipを介してscikit-imageをインストールする：
```
python -m pip install -U scikit-image
```
```
python -m pip install -U scikit-image
```
SHELL
- デモデータセットにアクセスするには、次を使用します：
```
python -m pip install -U scikit-image[data]
```
```
python -m pip install -U scikit-image[data]
```
SHELL
- パラレル処理機能を含む追加の科学パッケージについては、次を使用します：
```
python -m pip install -U scikit-image[optional]
```
```
python -m pip install -U scikit-image[optional]
```
SHELL

基本的な例

import skimage.io
import matplotlib.pyplot as plt

# Load an image from file
image = skimage.io.imread(fname='land.jpg')

# Display the image
plt.imshow(image)
plt.show()

import skimage.io
import matplotlib.pyplot as plt

# Load an image from file
image = skimage.io.imread(fname='land.jpg')

# Display the image
plt.imshow(image)
plt.show()

PYTHON

フィルター

import skimage as ski

# Load a sample image from the scikit-image default collection
image = ski.data.coins()

# Apply a Sobel filter to detect edges
edges = ski.filters.sobel(image)

# Display the edges
ski.io.imshow(edges)
ski.io.show()

import skimage as ski

# Load a sample image from the scikit-image default collection
image = ski.data.coins()

# Apply a Sobel filter to detect edges
edges = ski.filters.sobel(image)

# Display the edges
ski.io.imshow(edges)
ski.io.show()

PYTHON

Scikit-image、skimageとも略されることが多いのですが、画像処理タスクのための強力なPythonライブラリです。これは、NumPy配列、SciPy、およびmatplotlibの上に構築されており、画像を操作および分析するためのさまざまな関数とアルゴリズムを提供します。 skimage.data.coins()は、ライブラリからサンプル画像にアクセスするために使用されます。 skimage.filtersは、組み込みフィルターとユーティリティ関数へのアクセスを提供します。

Scikit-imageの主な機能

1. 画像フィルタリングとエッジ検出

from skimage import io, filters

# Load an image
image = io.imread('image.jpg')

# Apply Gaussian blur
blurred_image = filters.gaussian(image, sigma=1.0)

# Apply Sobel edge detection
edges = filters.sobel(image)

# Display the original image, blurred image, and edges
io.imshow_collection([image, blurred_image, edges])
io.show()

from skimage import io, filters

# Load an image
image = io.imread('image.jpg')

# Apply Gaussian blur
blurred_image = filters.gaussian(image, sigma=1.0)

# Apply Sobel edge detection
edges = filters.sobel(image)

# Display the original image, blurred image, and edges
io.imshow_collection([image, blurred_image, edges])
io.show()

PYTHON

出力

scikit-image Python（How It Works：開発者向けガイド）：図1 - 画像フィルタリングとエッジ検出の出力

2. HOG（ヒストグラムオリエンテッドグラデーション）を用いた特徴抽出

from skimage import io, color, feature

# Load an example image and convert to grayscale
image = io.imread('image.jpg')
gray_image = color.rgb2gray(image)

# Compute HOG features and visualize them
hog_features, hog_image = feature.hog(gray_image, visualize=True)

# Display the original image and the HOG image
io.imshow_collection([image, gray_image, hog_image])
io.show()

from skimage import io, color, feature

# Load an example image and convert to grayscale
image = io.imread('image.jpg')
gray_image = color.rgb2gray(image)

# Compute HOG features and visualize them
hog_features, hog_image = feature.hog(gray_image, visualize=True)

# Display the original image and the HOG image
io.imshow_collection([image, gray_image, hog_image])
io.show()

PYTHON

出力

scikit-image Python（How It Works：開発者向けガイド）：図2 - 特徴抽出出力

3. 幾何変換 - リサイズと回転

from skimage import io, transform

# Load an image
image = io.imread('image.jpg')

# Resize image by dividing its dimensions by 2
resized_image = transform.resize(image, (image.shape[0] // 2, image.shape[1] // 2))

# Rotate image by 45 degrees
rotated_image = transform.rotate(image, angle=45)

# Display the original image, resized image, and rotated image
io.imshow_collection([image, resized_image, rotated_image])
io.show()

from skimage import io, transform

# Load an image
image = io.imread('image.jpg')

# Resize image by dividing its dimensions by 2
resized_image = transform.resize(image, (image.shape[0] // 2, image.shape[1] // 2))

# Rotate image by 45 degrees
rotated_image = transform.rotate(image, angle=45)

# Display the original image, resized image, and rotated image
io.imshow_collection([image, resized_image, rotated_image])
io.show()

PYTHON

出力

scikit-image Python（How It Works：開発者向けガイド）：図3 - 幾何変換出力

4. 全変動フィルターでの画像ノイズ除去

from skimage import io, restoration

# Load a noisy image
image = io.imread('image.jpg')

# Apply total variation denoising
denoised_image = restoration.denoise_tv_chambolle(image, weight=0.1)

# Display the noisy image and the denoised image
io.imshow_collection([image, denoised_image])
io.show()

from skimage import io, restoration

# Load a noisy image
image = io.imread('image.jpg')

# Apply total variation denoising
denoised_image = restoration.denoise_tv_chambolle(image, weight=0.1)

# Display the noisy image and the denoised image
io.imshow_collection([image, denoised_image])
io.show()

PYTHON

出力

scikit-image Python (How It Works: A Guide for Developers): Figure 4 - Image Denoising 出力

画像処理とNumPy配列についての詳細は、公式ページで見つけることができます。

IronPDFの紹介

scikit-image Python（How It Works：開発者向けガイド）：図5 - IronPDF: The Python PDF Library

IronPDFは、HTML、CSS、画像、JavaScriptを使用してPDFドキュメントを作成、編集、署名するために設計された堅牢なPythonライブラリです。パフォーマンス効率を優先し、最小限のメモリ使用量で動作します。主な機能は以下のとおりです:

HTMLからPDFへの変換： HTMLファイル、HTML文字列、URLをPDFドキュメントに変換し、Chrome PDFレンダラを使用してWebページをレンダリングする機能を活用します。
クロスプラットフォームサポート： Windows、Mac、Linux、およびさまざまなクラウドプラットフォームでのPython 3+と互換性があります。 IronPDFは.NET、Java、Python、Node.js環境でも利用可能です。
編集と署名： PDFプロパティをカスタマイズし、パスワードや権限などのセキュリティ対策を強化し、デジタル署名をシームレスに適用します。
ページテンプレートと設定： ヘッダー、フッター、ページ番号、調整可能なマージン、カスタム用紙サイズ、レスポンシブデザインなどの機能を活用してPDFレイアウトを作成します。
標準準拠： PDF/AやPDF/UAなどのPDF標準に厳密に準拠し、UTF-8文字エンコーディングの互換性を確保し、画像、CSSスタイルシート、フォントなどのアセットを緻密に管理します。

インストール

pip install ironpdf 
pip install scikit-image

pip install ironpdf 
pip install scikit-image

SHELL

IronPDFとScikit Imageを使用してPDFドキュメントを生成する

前提条件

コードエディタとしてVisual Studio Codeがインストールされていることを確認してください。
Pythonバージョン3がインストールされています。

まず、スクリプトを追加するPythonファイルを作成してください。

Visual Studio Codeを開き、scikitDemo.pyというファイルを作成します。

必要なライブラリをインストール:

pip install scikit-image
pip install ironpdf

pip install scikit-image
pip install ironpdf

SHELL

そして、下記のPythonコードを追加して、IronPDFとscikit-image Pythonパッケージの使用法をデモンストレーションします。

from skimage import io, filters
from ironpdf import * 

# Apply your license key
License.LicenseKey = "YOUR_LICENSE_KEY"

# Load an image
image = io.imread('image.jpg')

# Apply Gaussian blur
blurred_image = filters.gaussian(image, sigma=1.0)

# Apply Sobel edge detection
edges = filters.sobel(image)

# Save the results to a file
io.imshow_collection([image, blurred_image, edges]).savefig('ironPdf-skimage.png')

# Convert the saved image to a PDF document
ImageToPdfConverter.ImageToPdf("ironPdf-skimage.png").SaveAs("ironPdf-skimage.pdf")

# Display the images
io.show()

from skimage import io, filters
from ironpdf import * 

# Apply your license key
License.LicenseKey = "YOUR_LICENSE_KEY"

# Load an image
image = io.imread('image.jpg')

# Apply Gaussian blur
blurred_image = filters.gaussian(image, sigma=1.0)

# Apply Sobel edge detection
edges = filters.sobel(image)

# Save the results to a file
io.imshow_collection([image, blurred_image, edges]).savefig('ironPdf-skimage.png')

# Convert the saved image to a PDF document
ImageToPdfConverter.ImageToPdf("ironPdf-skimage.png").SaveAs("ironPdf-skimage.pdf")

# Display the images
io.show()

PYTHON

コードの説明

このコードスニペットは、スキーマ（skimage）とIronPDFを使用して画像を処理し、結果をPDFドキュメントに変換する方法を示しています。ここでは各部分の説明です：

インポート文： 画像の読み込みと画像フィルタリングのためにscikit-imageから必要な関数をインポートし、IronPDFの機能をインポートします。
ライセンスキーの適用： IronPDFのライセンスキーを設定します。このステップは、IronPDFの機能を使用するために必要です。
画像の読み込みと処理： Scikit-imageのio.imread関数を使用して'image.jpg'という画像を読み込みます。次に、filters.gaussianを使用してシグマ値1.0で読み込んだ画像にガウスぼかしを適用し、filters.sobelを使用して読み込んだ画像にソーベルエッジ検出を適用します。
結果の表示と保存： io.imshow_collection([image, blurred_image, edges]).savefig('ironPdf-skimage.png')：画像（元画像、ぼかし、およびエッジ）のコレクションを'ironPdf-skimage.png'として保存します。
画像をPDFに変換： ImageToPdfConverter.ImageToPdf("ironPdf-skimage.png").SaveAs("ironPdf-skimage.pdf")：Saved PNG画像をIronPDFの機能を使用してPDFドキュメントに変換します。
画像を表示する： io.show()：画像をグラフィカルウィンドウで表示します。

このコードスニペットは、画像処理のためのscikit-imageの機能と、処理された画像をPDFドキュメントに変換するためのIronPDFを組み合わせています。画像を読み込み、ガウスぼかしとソーベルエッジ検出を適用し、PNGファイルとして保存し、そのPNGをIronPDFを使用してPDFに変換し、処理された画像を表示する例を示しています。この統合は、科学研究、画像分析レポート、または自動ドキュメント生成ワークフローなどで、画像を処理し、分析し、PDF形式で文書化する必要があるタスクに便利です。

出力

scikit-image Python（How It Works：開発者向けガイド）：図6 - 入力画像

PDF

scikit-image Python (How It Works: A Guide for Developers): Figure 7 - PDF 出力

IronPDFライセンス

IronPDFはPython用のライセンスキーで動作します。 IronPDF for Pythonは、ユーザーが購入前にその広範な機能をチェックするための無料トライアルライセンスを提供しています。

スクリプトを使用する前にライセンスキーを配置しIronPDFパッケージを使用します。

from ironpdf import * 
# Apply your license key
License.LicenseKey = "YOUR_LICENSE_KEY"

from ironpdf import * 
# Apply your license key
License.LicenseKey = "YOUR_LICENSE_KEY"

PYTHON

結論

scikit-imageは、Python開発者が画像関連のタスクに効率的に取り組む力を提供します。コンピュータビジョン、医療画像処理、または芸術的なプロジェクトに取り組んでいるかどうかに関係なく、このパッケージはあなたをサポートします。 scikit-imageは、フィルタリング、セグメンテーション、特徴抽出、幾何変換などのタスクのために、幅広い機能とアルゴリズムを提供する、汎用性が高く強力なPython画像処理ライブラリです。他の科学ライブラリとのシームレスな統合により、画像解析やコンピュータビジョンアプリケーションに取り組む研究者、開発者、およびエンジニアにとって好ましい選択肢となっています。

IronPDFは、Pythonアプリケーション内でPDFドキュメントの作成、編集、および操作を支援するPythonライブラリです。これは、HTML、画像、既存のPDFなどのさまざまなソースからPDFファイルを生成する機能を提供します。さらに、IronPDFは、PDFドキュメントのマージや分割、注釈、透かし、デジタル署名の追加、PDFからのテキストや画像の抽出、メタデータやセキュリティ設定などのドキュメントプロパティの管理といったタスクをサポートします。このライブラリは、プログラム的にPDF関連のタスクを処理する効率的な方法を提供し、ドキュメント生成、レポート作成、ドキュメント管理機能を必要とするアプリケーションに適しています。

両方のライブラリを使用することで、ユーザーは画像を処理して効率的に処理し、結果をアーカイブ用のPDFドキュメントに保存することができます。

Curtis Chau

今すぐエンジニアリングチームとチャット

テクニカルライター

Curtis Chauは、カールトン大学でコンピュータサイエンスの学士号を取得し、Node.js、TypeScript、JavaScript、およびReactに精通したフロントエンド開発を専門としています。直感的で美しいユーザーインターフェースを作成することに情熱を持ち、Curtisは現代のフレームワークを用いた開発や、構造の良い視覚的に魅力的なマニュアルの作成を楽しんでいます。

開発以外にも、CurtisはIoT（Internet of Things）への強い関心を持ち、ハードウェアとソフトウェアの統合方法を模索しています。余暇には、ゲームをしたりDiscordボットを作成したりして、技術に対する愛情と創造性を組み合わせています。