diff_of_gauss — 2D `edges` op

• Datenarten: image → image

• Aufruf: fullseye.apply(img, "diff_of_gauss", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])

• HALCON-Äquivalent: diff_of_gauss (Bedeutung und Parameter sind in der HALCON-Referenz nachzulesen)

diff_of_gauss: 入力 → 出力

*Die Abbildung ist die tatsächliche Ausgabe auf einer synthetischen 128×128-Eingabe. Links Eingabe, rechts Ausgabe (ein Nicht-Bild-Rückgabewert wird als Wert gezeigt).*

Verwendung

Bandpass-Kanten-/Blob-Erkennung mittels DoG (Difference of Gaussians; die Differenz von mit zwei unterschiedlichen Sigma-Werten weichgezeichneten Bildern). Ein klassisches Verfahren, bekannt als schnelle Näherung von LoG. Entspricht HALCONs `diff_of_gauss` (Approximate the LoG operator (Laplace of Gaussian).).

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

`a が狭い側のシグマ(0.5〜2.5)、b` が広い側のシグマ(1〜5)を振る ―― 両方

が使われ、`b` の方を大きくとることで帯域幅が決まる。応答は絶対値を取って

から正規化しているため符号情報は失われる。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_edges

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

In Studio ausprobieren

Das Programm unten ist nachweislich lauffähig (gleiche Eingabe wie die Abbildung). In der Studio-Hilfe wird dieser Block zu Schaltflächen, die es sofort laden und ausführen.