plant op• 데이터 종류: rgbimage × labels2d → table
• 호출: import fullseye as fs; fs.ledger.superpixel_color_texture_features(rgb, labels, *, dark_floor: 'float' = 0.02, texture_sigma: 'float' = 1.0, min_size: 'int' = 4) -> 'Dict[str, object]'(구현을 직접 호출하려면 import cropweed; cropweed.superpixel_color_texture_features(rgb, labels, *, dark_floor: 'float' = 0.02, texture_sigma: 'float' = 1.0, min_size: 'int' = 4) -> 'Dict[str, object]', 원장에서 가져오려면 opssegmentation.get("superpixel_color_texture_features"))
라벨 영상의 영역마다 색(식물 색 지수·색도)과 결(기울기·방향 정렬도) 특징 10개를 낸다.
rgb는 (H, W, 3)(plant_color_index와 같은 약속), labels는 같은 크기의 정수 영상(0은 무시, 1 이상이 영역. 슈퍼픽셀이든 격자든 좋다). 열은 FEATURE_NAMES 순서:
ExG·ExGR·CIVE의 평균, 색도 r·g의 평균, 밝기(RGB의 평균)의 평균과 표준편차, 밝기의 Gauss 기울기(σ = texture_sigma) 크기의 평균, 구조 텐서의 방향 정렬도 coherence = √((Jxx − Jyy)² + 4Jxy²)/(Jxx + Jyy)(영역에서 합한 텐서. 1 = 한 방향, 0 = 등방), ExG의 표준편차. 색 특징은 밝기가 dark_floor 이상인 화소만으로 평균한다. 화소 수가 min_size 미만인 영역과 색도가 정해지는 화소가 하나도 없는 영역은 행을 만들지 않고 dropped_ids에 이유와 함께 남긴다(평균을 0이나 NaN으로 채우지 않는다).
반환: X(N, 10)·names·ids(행마다의 영역 번호)·sizes·centroids((N, 2)의 [row, col])· dropped_ids·texture_sigma. 빈 입력·모양 불일치·음의 라벨·남는 영역이 0일 때는 ValueError로 거부한다.
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• poc_weed_rice_ratio — py -3.11 examples/poc_weed_rice_ratio.py
table 를 입력으로 받는 것)class_ndim_norm · fisher_lda_score
plant)plant_color_index · cover_ratio_grade
*Provenance: cropweed.py — SEGMENTATION 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.