python [scikit-image] 49. show_rag (skimage.future graph)で領域隣接グラフ(RAG)の表示
scikit-imageライブラリのskimage.future.graphモジュールにあるshow_rag関数を使って、画像セグメンテーション後の領域隣接グラフ(RAG)を表示する方法を解説します。RAGを視覚化することで画像の領域分割結果をより直感的に理解できます。
python
python 
jupyter notebook, lab ChromebookでLinux(ベータ)にminicondaをインストールしてPython(jupyter notebook)環境構築
chromebookでPythonを利用するには、AWS cloud9やgoogle colaboratoryを利用する必要があったが、2019年に発売のChromebookでは開発者モードにしなくともLinuxが動作するようになった。ここでは、Linuxにminicondaをインストールしてをpython環境を構築する手順について解説する。
matplotlib Animation [matplotlib animation] 53. skimage.segmentation.slic()のcompactnessおよびn_segments変化アニメーション
scikit-imageのslic関数を使った画像セグメント化において、compactnessとn_segmentsパラメータが結果に与える影響をmatplotlibアニメーションで視覚的に解説。パラメータ調整による変化を理解し、最適な設定を見つけるための参考資料。
python [scikit-image] 48. rag_boundary(skimage.future graph)で領域境界グラフ(RAG)を構築
scikit-imageライブラリのrag_boundary関数を使用して、画像のエッジ情報から領域境界グラフ（RAG）を構築する方法を解説します。画像セグメンテーションの高度な手法として、領域間の関係性を効率的に表現するためのテクニックを紹介します。
python [scikit-image] 47. Region Adjacency Graph（RAG）を構築した後にcut_threshold(skimage.future graph)
scikit-imageライブラリを使用したk-meansクラスタリングによる画像セグメンテーションと、Region Adjacency Graph（RAG）の構築およびcut_threshold関数による領域マージの実装方法を解説します。より意味のある画像分割を実現するための手法を紹介します。
python [scikit-image] 46. Region Adjacency Graph（RAG）を構築した後にNormalized Cut(skimage.future graph)
scikit-imageを使用した画像セグメンテーションの高度な手法として、k-meansクラスタリングによる初期分割後にRegion Adjacency Graph（RAG）を構築し、Normalized Cutアルゴリズムを適用する方法を詳細に解説しています。実装例とともに効果的な画像分割のプロセスを学ぶことができます。
python [scikit-image] 45. グレースケール画像の白い部分、黒い部分をそれぞれ分離(skimage.morphology reconstruction)
scikit-imageライブラリのmorphology.reconstruction関数を使用して、グレースケール画像から白い部分（明るい領域）と黒い部分（暗い領域）を効果的に分離する方法を解説します。画像処理や特徴抽出における基本的かつ強力な前処理技術として活用できます。
python [scikit-image] 44. テンプレートマッチングによる画像識別(skimage.feature match_template)
scikit-imageライブラリのmatch_template関数を用いたテンプレートマッチング技術について解説。画像内から特定のパターンを検出する方法と実装例、応用例を紹介し、画像認識における基本技術の理解を深める内容です。