skimage中measure.marching_cubes函数报错valueerror: too many values to unpack (expected 2)

regionprops_to_df 获取包含 sk image . measure .regionprops输出的regionprops对象的列表，返回所有非隐藏，非隐藏标量和元组属性的Pandas DataFrame。 #regionprops_to_df_testing根据 sk image .data股票照片（已过滤 中 值）创建RegionProps对象。 然后，使用regionprops_to_df将RegionProps对象转换为Pandas DataFrame。 测试脚本 中 的 函数 从RegionProps对象创建数组，并将它们与Pandas DataFrame数组进行比较。

在GPU上前进的多维数据集 该项目使用行进立方体算法的计算着色器版本在GPU上全部生成体素和网格。 使用先前完成的但在计算着色器 中 运行的改进的Perlin噪声版本生成体素。 出于实际原因，也许最好在CPU上使用多线程来执行此类操作，但是尽管在GPU上运行版本仍然很有用。 我还在脚本 中 包含了一些代码，以从GPU读取生成的网格并将其转换为普通网格。 我不建议每帧都这样做，但如果需要的话，可以在那做。 场景生成3D噪声作为体素值，然后使用行进立方体算法将体素转换为网格。 使用计算着色器生成网格时，会将顶点写入计算缓冲区。 然后，使用Unity的绘制过程方法来渲染缓冲区。 使用缓冲区确实存在一些

医疗图像三维重建forpython环境简介方法方法一 Poly3DCollection+matplotlib方法二 VTK+ITK方法三 Mayavi之contour3d最终方法Mayavi+TVTK 语言是python，主要介绍可能用到的库 Scipy Mayavi Matplotlib 在尝试重建三维模型的过程 中 ，查询了不同版本的方法，在这里记录一...

sk image 版本问题问题原因解决方法附 今天换台机器跑网络时，安装了scikit- image 之后， sk image . measure 还是亮红 报错 显示没有，苦寻无果。 专门去对比了一下版本号，发现我安装的是0.18.0 如果不指定版本号的话，会自动安装最新版本，导致下载的是0.18.0，可能在新版本 sk image 中 用法就变了。 我也没有细查新版本的用法，而是选择将版本变回0.15.0。 conda自带更新的，好像是update还是upgrade，两个 中 选择一个，我选择的是update，因

### 回答1： 这个错误提示是因为你的代码 中 使用了 sk image . measure .simple_metrics模块，但是你的环境 中 没有安装这个模块或者没有正确导入这个模块。你需要先安装 sk image 模块，然后在代码 中 正确导入这个模块才能解决这个问题。你可以使用以下命令安装 sk image 模块： pip install scikit- image 然后在代码 中 导入 sk image . measure .simple_metrics模块： from sk image . measure import simple_metrics ### 回答2： 在编写Python代码时，有时会出现“No module named ' sk image . measure .simple_metrics'”的错误提示。这个错误通常是由于缺失必要的Python图像处理模块 sk image . measure .simple_metrics所导致的。 sk image 是Python的一个很流行的图像处理库，它提供了许多图像处理的功能。如果在代码 中 使用了 sk image 库 中 的简单指标模块simple_metrics，但是当前环境 中 没有安装或缺失这个模块，那么Python就会无法找到这个模块并 报错 。 1.安装 sk image . measure .simple_metrics 最直接的解决方法就是安装 sk image . measure .simple_metrics模块。可以通过pip命令或者Anaconda Navigator的环境管理器来安装。命令如下： pip install scikit- image 安装完成后，重新启动Python环境即可。 2.更新 sk image . measure .simple_metrics 如果已经安装了 sk image 库，但是缺失simple_metrics模块，那么可以尝试更新 sk image 库，以确保simple_metrics模块已经被正确安装。命令如下： pip install --upgrade scikit- image 3.检查代码 中 的 sk image . measure .simple_metrics 如果尝试以上方法仍然无法解决问题，那么可以检查一下代码 中 是否正确引用了 sk image . measure .simple_metrics模块。可以通读代码，查找所有对该模块的引用方式，确保代码 中 没有错误。 以上就是关于“No module named ' sk image . measure .simple_metrics'”错误的解决方法。使用 sk image 库进行图像处理时，要确保已经安装了该库，并且使用的模块确实存在。如果在运行代码时遇到问题，可以根据提示信息尝试不同的解决方法。记住，通过阅读提示信息并仔细思考，通常可以找到最优解决方案。 ### 回答3： “no module named ' sk image . measure .simple_metrics'”这个错误提示通常是由于scikit- image 库 中 没有包含名为“ sk image . measure .simple_metrics”的模块所致。当我们尝试在Python脚本 中 导入该模块时，Python解释器会在scikit- image 库 中 查找该模块，但很遗憾没有找到它，于是抛出了这个错误提示。 这个问题的解决方案很简单，我们只需要安装scikit- image 库的最新版本，然后再次尝试导入该模块即可。具体的操作步骤如下： 1. 首先，打开命令行或终端窗口，输入以下命令安装最新版本的scikit- image 库： pip install scikit- image --upgrade 2. 等待安装完成后，在Python脚本 中 尝试导入“ sk image . measure .simple_metrics”模块： from sk image . measure import simple_metrics 3. 如果没有抛出错误提示，那就说明已经成功导入该模块了，可以开始使用它提供的功能进行图像处理或计算了。 总之，如果遇到“no module named ' sk image . measure .simple_metrics'”这个错误提示，不要慌张，只需要跟着上述步骤操作一遍即可解决这个问题。另外，需要注意的是，在安装或升级scikit- image 库时，可能需要管理员权限或一些操作系统相关的依赖库，可以参考scikit- image 库官方文档 中 的说明进行操作。