smoothing op• データ種: image → image
• 呼び出し: fullseye.apply(img, "kuwahara", a=0.5, b=0.5) (2-D は 1 画像 + 2 スカラつまみ a,b∈[0,1] のモデル)
*図は合成の入力 128×128 で実際に走らせた出力。左が入力、右が出力。点群は上から見た散布(明るさ = z)、1-D 列は折れ線、体積は z 方向の最大値投影、動画は中央フレーム、複素画像は振幅、絵にならない返り値は値そのもの。*
つまみ a を振る(0.1 / 0.5 / 0.9、もう一方は既定):
▸ kuwahara: つまみ a を振った図 (docs サイト)
*つまみ b は出力を変えない(実測: 0.1 / 0.5 / 0.9 で同一)。*
別の画像でも(合成シーン / 写真 / 硬貨。上段が入力、下段がその出力。つまみは既定):
▸ kuwahara: 別の画像での出力 (docs サイト)
*4 列目はカラー (H,W,3) の入力。この op は色を跨がずに扱える(色チャネルを 3 本目の空間軸として畳み込まない)。*
Kuwahara フィルタ(1976)。4 つの重なる窓のうち分散が最小の窓の平均を出す、縁を保つ平滑化。
油絵調の見た目にも使われる。
各画素について、その画素を角に含む (r+1) x (r+1) の窓を 4 つ(左上・右上・左下・右下。隣り合う窓は中心の行と列を共有して重なる)とり、分散がいちばん小さい窓の平均を出力する。縁をまたぐ窓は分散が大きいので選ばれず、画素は縁の「自分と同じ側」の窓の平均になる。だから平坦部は均され、段差は鈍らない(gaussian は段差をなだらかにしてしまう)。
a が窓の半径 r = 1 + floor(9a + 0.5)(1〜10、窓の一辺は r+1)を振る。大きいほど均す範囲が広がり、細い構造は消える。b は未使用。
計算量は O(N): 窓の和と二乗和を軸ごとの累積和で求めるので、半径に依存しない(分散は E[x^2] - E[x]^2、全体の平均を引いてから計算して桁落ちを抑える)。分散の同点は、小数 10 桁に丸めた値で比べ、宣言順(左上・右上・左下・右下)で決める。
端の扱い: 端の画素を複製する(最近傍)。端の画素の窓は、画像の外を端の値で埋めて作る。
適用条件: (1) 4 象限の方向は軸に揃っているので、斜めの縁では選ばれた窓が縁に沿わず、角の丸まりや「ブロック状」の模様が出る(一般化 Kuwahara はこれを直す)。
(2) 半径が大きいと細い線は消える。(3) 出力は入力の局所平均だけから作るので、値域は
入力の外に出ない。
• gallery2d_smoothing_rank ファミリ ガイド
• サンプルデータ カタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。
• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。
下のプログラムは実際に走ることを確かめてある(図と同じ入力)。Studio のヘルプではこのブロックがボタンになり、その場で読み込んで実行できる。
kuwahara 0.35 0.50
• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py
image を入力に取れる)identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter
smoothing)gaussian · mean_box · bilateral · unsharp · sk_tv · sk_wavelet · sk_rolling_ball · sk_nlm
*Provenance: ops.py — 2D operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.