アフィン変換行列は、平行移動・回転・拡大縮小・せん断という最大4種類の変換を指定します。行列の各要素が、入力配列から出力への座標の対応関係を定義します。
この演習では、ndi.affine_transform() を使って、以下の位置合わせ行列を im に適用しましょう。元の画像を中央に配置し、水平に整え、拡大するうえで最も適切な行列はどれでしょうか？
ndi.affine_transform()
im
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
N 次元の世界に挑戦しましょう。まず、人体胸部の CT 画像を使って、N 次元画像の読み込み・構築・操作の方法を学びます。また、便利な ImageIO パッケージを活用しながら、NumPy と Matplotlib のスキルをさらに磨きましょう。
X 線画像の変換を通じて、画像処理の核心に迫りましょう。輝度パターンを活用して配列の部分領域を選択する方法や、畳み込みフィルターを使って特徴を検出する方法を学びます。さらに、豊富な画像処理ツールを備えた SciPy の ndimage モジュールも活用します。
この章では、画像解析の核心であるオブジェクトの計測に取り組みます。4D 心臓時系列データを使用し、患者に心疾患のリスクがあるかどうかを判定します。その過程で、画像セグメンテーション、オブジェクトのラベリング、形態学的計測の基礎を学びます。
最終章では、自分自身の脳だけでなく、数百名分の脳画像データを活用します。400 件以上のオープンアクセス MR 画像からデータを取得し、位置合わせ（レジストレーション）、リサンプリング、画像比較の基礎を学びます。そして、抽出した計測値を用いて、アルツハイマー病が脳の構造に与える影響を評価します。
現在の演習
