diff_of_gauss — 2D edges op

• 데이터 종류: image → image

• 호출: fullseye.apply(img, "diff_of_gauss", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)

• HALCON 대응: diff_of_gauss(의미·매개변수는 HALCON 레퍼런스가 참고가 됩니다)

*그림은 128×128 합성 입력에서 실제로 실행한 출력. 왼쪽이 입력, 오른쪽이 출력(이미지가 아닌 반환값은 값 자체를 표시).*

사용법

DoG(Difference of Gaussians, 서로 다른 두 시그마로 블러 처리한 이미지의 차)에 의한 대역통과 에지/블롭 검출. LoG의 고속 근사로 알려진 고전적 기법이다. HALCON의 `diff_of_gauss`(Approximate the LoG operator (Laplace of Gaussian).)에 해당한다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

`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。

자세한 사용 가이드

• gallery2d_edges 패밀리 가이드

참고(샘플 데이터·문헌)

• 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.

Studio에서 시도하기

아래 프로그램은 실제로 실행됨을 확인했습니다(그림과 같은 입력). Studio 도움말에서는 이 블록이 버튼이 되어 즉시 불러와 실행할 수 있습니다.

diff_of_gauss 0.40 0.50

▸ Load this pipeline  ·  Load & run

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• gallery2d_edges — py -3.11 examples/gallery2d_edges.py

타입이 이어지는 다음 연산자(image 를 입력으로 받는 것)

identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter

같은 카테고리(edges)

sobel_mag · prewitt_mag · roberts_mag · dog · grad_dir · log · corner_response · sk_scharr

*Provenance: ops.py — 2D 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.