# scikit-image Reviews **Vendor:** The Libra Toolkit **Category:** [Software de reconocimiento de imágenes](https://www.g2.com/es/categories/image-recognition) **Average Rating:** 4.4/5.0 **Total Reviews:** 13 ## About scikit-image scikit-image es una colección de algoritmos para el procesamiento de imágenes. ## scikit-image Reviews ### 1. Fácil de usar, biblioteca de algoritmos de procesamiento de imágenes de código abierto para usar en Python. **Rating:** 4.5/5.0 stars **Reviewed by:** Dipak K. | Senior Research Fellow (PhD), Pequeña Empresa (50 o menos empleados) **Reviewed Date:** March 22, 2022 **¿Qué es lo que más le gusta de scikit-image?** biblioteca libre y de código abierto con una variedad de algoritmos comunes de procesamiento de imágenes. Fácil de importar y analizar imágenes 2D y 3D con código python simple. Una de las bibliotecas optimizadas con una versión estable. Muy útil en el reconocimiento de patrones y aplicaciones de IA. Fácil de usar e implementar nuevos algoritmos usando scikit-image en python. fácil instalación e integración con python. **¿Qué es lo que no le gusta de scikit-image?** El procesamiento de video en tiempo real no está muy optimizado en comparación con OpenCV. Principalmente para el procesamiento de video en tiempo real, OpenCV es recomendado por los expertos. Aparte de eso, no hay otras desventajas para Scikit-image. **Recomendaciones a otros que estén considerando scikit-image:** Principiantes en el campo de la visión por computadora y el procesamiento de imágenes combinados con IA deben usar esta caja de herramientas. Hay muchas alternativas, pero esta es muy fácil de usar, optimizada y se está volviendo muy popular. **¿Qué problemas resuelve scikit-image y cómo le beneficia eso?** Reconocimiento de patrones. identificación de objetos. operaciones morfológicas, etc. muchos proyectos incluyen la combinación de procesamiento de imágenes con algoritmos de aprendizaje automático y aprendizaje profundo para aplicaciones específicas. ### 2. Procesamiento de imágenes hecho fácil **Rating:** 4.5/5.0 stars **Reviewed by:** Usuario verificado en Software de Computadora | Pequeña Empresa (50 o menos empleados) **Reviewed Date:** July 07, 2019 **¿Qué es lo que más le gusta de scikit-image?** Proporciona muchos algoritmos de procesamiento de imágenes de una vez y es fácil de aprender. **¿Qué es lo que no le gusta de scikit-image?** Está construido únicamente en el lenguaje de programación Python, lo que lo hace limitado para programadores que no son de Python. **Recomendaciones a otros que estén considerando scikit-image:** Recomiendo scikit image a las personas interesadas en resolver problemas de visión por computadora. **¿Qué problemas resuelve scikit-image y cómo le beneficia eso?** Usamos scikit-image para el procesamiento y segmentación de imágenes en mi lugar de trabajo. ### 3. Api de reconocimiento de imágenes para python **Rating:** 5.0/5.0 stars **Reviewed by:** Paresh A. | Software Engineer, Tecnología de la información y servicios, Empresa (> 1000 empleados) **Reviewed Date:** June 07, 2018 **¿Qué es lo que más le gusta de scikit-image?** scikit-image es la biblioteca de procesamiento de imágenes para Python que se puede utilizar para manipulaciones básicas de imágenes como un objeto numpy y también implementar varios algoritmos a través de scikit-image. También puedes usar los modelos de reconocimiento de imágenes preentrenados como el reconocimiento de dígitos usando scikit-image. Si deseas implementar el reconocimiento facial, puedes rastrear la cara usando haar cascade a través de scikit-image y luego usar esos datos para entrenar tu modelo para predecir la cara en el futuro. Además, puedes implementar la detección de objetos fácilmente a través de scikit-image. **¿Qué es lo que no le gusta de scikit-image?** No tengo nada que desagradar de scikit-image porque no tengo quejas al respecto hasta ahora. **Recomendaciones a otros que estén considerando scikit-image:** Recomiendo usar scikit-image para implementar detección de rostros, detección de objetos y otros algoritmos de reconocimiento y procesamiento de imágenes usando scikit-image porque facilita la implementación de tales algoritmos debido a su biblioteca de métodos comunes que ya están implementados y se puede usar con una línea de código, así que recomiendo usar scikit-image para propósitos de procesamiento y reconocimiento de imágenes. **¿Qué problemas resuelve scikit-image y cómo le beneficia eso?** Soy desarrollador de software y tengo que implementar reconocimiento facial, seguimiento facial, detección de objetos y otros algoritmos de reconocimiento de imágenes directa o indirectamente. He implementado el reconocimiento facial usando scikit-image y he obtenido buenos resultados para el software de mi cliente, así que estoy muy satisfecho con scikit-image. También implementé OCR usando reconocimiento de dígitos a través de scikit-image. ### 4. Una biblioteca de procesamiento de imágenes muy buena para Python. **Rating:** 5.0/5.0 stars **Reviewed by:** Sunil C. | Software Developer, Tecnología de la información y servicios, Empresa (> 1000 empleados) **Reviewed Date:** June 04, 2018 **¿Qué es lo que más le gusta de scikit-image?** Scikit Image es la biblioteca de procesamiento de imágenes. Se utiliza para implementar el procesamiento de imágenes para tu proyecto con algunas líneas de código. Lo mejor de ella es que utiliza matrices numpy como objetos de imagen, lo que ayuda a la portabilidad del código. También tiene muchos conjuntos de datos de procesamiento de imágenes integrados que se pueden usar para entrenar tu modelo, por lo que es realmente una biblioteca útil para Python. También puedes aceptar la imagen directamente desde la cámara usando scikit-image. Y también puedes mostrar imágenes con mucha facilidad para que puedas visualizar tu modelo más profundamente. **¿Qué es lo que no le gusta de scikit-image?** No tengo nada que desagradar de una biblioteca de procesamiento de imágenes tan excelente y de código abierto. **Recomendaciones a otros que estén considerando scikit-image:** Recomiendo usar scikit-image para el procesamiento de imágenes e implementarlo especialmente para Python porque es la mejor biblioteca que puedes tener. Almacena imágenes en formato de matriz numpy, que se puede usar con otras bibliotecas para un procesamiento adicional, por lo que tiene una mayor portabilidad. Además, tiene muchos modelos incorporados y toneladas de conjuntos de datos, por lo que se vuelve fácil implementar cualquier algoritmo de reconocimiento de imágenes en Python. **¿Qué problemas resuelve scikit-image y cómo le beneficia eso?** En mi negocio, siempre que hay una necesidad de procesamiento de imágenes en mi código, opto por scikit-image porque ya estoy usando scikit-learn, que también es un gran producto de scikit, y usar ambos juntos simplemente hace que tu trabajo sea más fácil. He implementado varios algoritmos básicos usando scikit-image, como la detección de objetos y también el reconocimiento de dígitos (en tiempo real), y los he integrado en mi código. ### 5. Los algoritmos de procesamiento de imágenes más eficientes. **Rating:** 4.5/5.0 stars **Reviewed by:** Sanjana P. | Python Developer, Tecnología de la información y servicios, Empresa (> 1000 empleados) **Reviewed Date:** October 29, 2018 **¿Qué es lo que más le gusta de scikit-image?** Me gusta la implementación fluida de esta biblioteca y métodos, y es bastante fácil integrarlos en tu código. Se puede combinar con la visualización utilizando la biblioteca matplotlib en Python, lo cual es bastante genial. **¿Qué es lo que no le gusta de scikit-image?** No me disgustó nada en particular. Porque me siento bastante cómodo usando Python también y disfruto trabajar con las bibliotecas scikit. **Recomendaciones a otros que estén considerando scikit-image:** Muy recomendable. Mucho por explorar y aprender. **¿Qué problemas resuelve scikit-image y cómo le beneficia eso?** Estoy tratando de estudiar el reconocimiento de patrones de comportamiento utilizando diferentes expresiones faciales. Así que el estudio trata sobre el reconocimiento de diferentes expresiones faciales y sus rasgos de comportamiento. ### 6. Mejor biblioteca para el procesamiento de imágenes **Rating:** 5.0/5.0 stars **Reviewed by:** Ayesha M. | Software Development Engineer, Tecnología de la información y servicios, Empresa (> 1000 empleados) **Reviewed Date:** June 08, 2018 **¿Qué es lo que más le gusta de scikit-image?** Scikit es la biblioteca de código abierto que está disponible de forma gratuita para Python y se puede instalar clonando el repositorio de git o instalándola con pip. Es una biblioteca muy simple de usar y se pueden realizar tareas complejas de procesamiento de imágenes con mucha facilidad. Tiene su propio conjunto de datos que se puede utilizar para entrenar su modelo, como su conjunto de datos de monedas que se puede usar para la demostración de segmentación de imágenes. Los algoritmos complejos como hough_ellipse, umbralización de imágenes y segmentación de imágenes se pueden implementar fácilmente a través de scikit-image con una sola línea de código, por lo que es una gran biblioteca para el procesamiento de imágenes. **¿Qué es lo que no le gusta de scikit-image?** Scikit image es la mejor biblioteca de procesamiento de imágenes y no tiene ningún defecto. **Recomendaciones a otros que estén considerando scikit-image:** Recomiendo usar scikit image para tareas de procesamiento de imágenes porque facilita la implementación de tareas de procesamiento de imágenes a través de sus mejores algoritmos. Solo tuve que implementar hough ellipse y después de intentar mucho por mi cuenta no pude codificarlo, pero luego utilicé scikit image y pude implementarlo fácilmente en minutos y preparar mi código para su implementación, así que recomiendo usar scikit image para facilitar tu tarea. **¿Qué problemas resuelve scikit-image y cómo le beneficia eso?** Soy programador de Python en mi equipo de desarrolladores de software y mi trabajo es implementar varios algoritmos de acuerdo con los requisitos del proyecto y cuando recibimos proyectos relacionados con el procesamiento de imágenes como detección de objetos, segmentación, seguimiento y reconocimiento facial, utilizo scikit-image para implementar dichos algoritmos. Recientemente desarrollamos un producto para clasificar imágenes según su tono de color para una empresa y para eso utilicé scikit-image. ### 7. Gran biblioteca de segmentación **Rating:** 2.5/5.0 stars **Reviewed by:** Usuario verificado en Educación superior | Mediana Empresa (51-1000 empleados) **Reviewed Date:** November 01, 2018 **¿Qué es lo que más le gusta de scikit-image?** Esta biblioteca de procesamiento de imágenes es excelente para analizar grandes conjuntos de datos. Los datos se ejecutan sin problemas, normalmente de manera oportuna y se pueden aplicar de varias maneras para la programación en Python. **¿Qué es lo que no le gusta de scikit-image?** Aunque es muy extensa, la biblioteca tiene sus límites con algunos conjuntos de datos donde los datos no serán procesados. A veces hay errores al ejecutarla en MATLAB, por lo que eso debería mejorarse. **¿Qué problemas resuelve scikit-image y cómo le beneficia eso?** Muchos de nuestros datos son imágenes como resonancias magnéticas, escáneres PET, datos de escritura a mano, en archivos grandes y extensos. La biblioteca funciona bien para aplicar varios tipos de algoritmos de aprendizaje automático a nuestros datos y nos ha dado resultados confiables. ### 8. Una gran biblioteca de procesamiento de imágenes para Python **Rating:** 5.0/5.0 stars **Reviewed by:** Shardul T. | Software Engineer, Software de Computadora, Mediana Empresa (51-1000 empleados) **Reviewed Date:** February 16, 2018 **¿Qué es lo que más le gusta de scikit-image?** otro gran producto de código abierto de la casa de scikit. Scikit-image es una biblioteca de procesamiento de imágenes para Python que tiene casi todos los algoritmos de procesamiento de imágenes implementados por muchos grandes desarrolladores del mundo de código abierto. Lo mejor de todo es que está disponible de forma gratuita y tiene todas las excelentes características que una biblioteca ideal de reconocimiento de imágenes debería tener. **¿Qué es lo que no le gusta de scikit-image?** No tengo nada que desagradar de este enorme producto porque es la mejor biblioteca de procesamiento de imágenes que podemos tener. **Recomendaciones a otros que estén considerando scikit-image:** Recomiendo usar la biblioteca scikit-image para implementar algoritmos de procesamiento de imágenes en python y luego desplegar el producto en la plataforma requerida. Es la mejor biblioteca de procesamiento de imágenes según mi opinión y será la más útil y fácil de implementar que puedas tener en el campo del procesamiento de imágenes para python. **¿Qué problemas resuelve scikit-image y cómo le beneficia eso?** Utilizo scikit-image para desarrollar productos de procesamiento de imágenes, como desarrollar datos de entrenamiento para algoritmos de entrenamiento de un solo disparo. Desarrollar un filtro para una aplicación de fotos e integrarlo en el producto según lo requiera el cliente. También he implementado varios algoritmos diferentes y ajustado los algoritmos de scikit-image para asegurarme de que los parámetros sean perfectos para mi uso. Es la mejor biblioteca de reconocimiento de imágenes útil. ### 9. mejor API de código abierto para el procesamiento de imágenes!! **Rating:** 4.0/5.0 stars **Reviewed by:** sanjay v. | Information Technology Specialist, Software de Computadora, Pequeña Empresa (50 o menos empleados) **Reviewed Date:** June 08, 2018 **¿Qué es lo que más le gusta de scikit-image?** uno de los mejores y más estables API para el procesamiento de imágenes, proporciona un lienzo basado en matplotlib para la visualización de imágenes que es muy práctico de usar, podemos agregar fácilmente complementos al visor, y especialmente la eficiencia de la confianza proporcionada en la salida es muy buena. **¿Qué es lo que no le gusta de scikit-image?** el soporte para ello no es tan bueno, comparativamente hay menos tutoriales para scikit image. **Recomendaciones a otros que estén considerando scikit-image:** si conoces opencv y matplotlib y quieres realizar cualquier tipo de análisis de visión, entonces esta API es la mejor opción, aunque es difícil de aprender, al final del día realmente simplifica tu trabajo. **¿Qué problemas resuelve scikit-image y cómo le beneficia eso?** nuestra empresa utiliza esta API para la detección de daños y el monitoreo de visión para sistemas basados en la industria!! ### 10. El mejor paquete de procesamiento de imágenes que existe **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Consultoría de gestión | Mediana Empresa (51-1000 empleados) **Reviewed Date:** November 22, 2018 **¿Qué es lo que más le gusta de scikit-image?** Buena culminación de todas las herramientas populares de procesamiento de imágenes y funciones integradas que necesitarías. Scikit-image tiene una buena base en una amplia variedad de algoritmos de entrenamiento y bases de datos para implementar el aprendizaje automático en conjuntos de imágenes. **¿Qué es lo que no le gusta de scikit-image?** No tiene suficiente GPU o paralelización para soportar múltiples hilos. **¿Qué problemas resuelve scikit-image y cómo le beneficia eso?** Es gratuito para usar como un paquete de Python y tiene buena documentación. Usando la red neuronal de scikit-image para el reconocimiento de patrones en imágenes. - [View scikit-image pricing details and edition comparison](https://www.g2.com/es/products/scikit-image/reviews/scikit-image-review-4257410?section=pricing&secure%5Bexpires_at%5D=2026-06-01+02%3A01%3A32+-0500&secure%5Bsession_id%5D=3e457395-15a9-4e83-a73d-856140682815&secure%5Btoken%5D=bf3546cf54ed17b3d026eb302c45f9c9cc71d2fec3ee628f10cf5715c30012d4&format=llm_user) ## scikit-image Features **Tipo de reconocimiento** - Detección de emociones - Detección de objetos - Detección de texto - Análisis de movimiento - Reconstrucción de escenas - Detección de logotipos - Detección de contenido explícito - Detección de vídeo **Reconocimiento facial** - Análisis facial - Comparación de rostros **Etiquetado** - Entrenamiento de modelos - Cuadros delimitadores - Detección de imágenes personalizadas **Despliegue** - Integraciones ## Top scikit-image Alternatives - [OpenCV](https://www.g2.com/es/products/opencv/reviews) - 4.5/5.0 (40 reviews) - [SimpleCV](https://www.g2.com/es/products/simplecv/reviews) - 4.5/5.0 (10 reviews) - [Google Cloud Vision API](https://www.g2.com/es/products/google-cloud-vision-api/reviews) - 4.4/5.0 (83 reviews)