joint_histogram — IMGMETRICS `information` op

• Datenarten: image2d × image2d → image2d

• Aufruf: import imgmetrics; imgmetrics.joint_histogram(a, b, bins=64, data_range=None) (oder opsimgmetrics.get("joint_histogram"))

Verwendung

Verbundhistogramm zweier Bilder (die normierte Verbundwahrscheinlichkeit).

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

ビン幅は `data_range` から決める ―― 画像ごとに min/max で伸縮させると、

一様に暗い絵と一様に明るい絵の相互情報量が同じになるので。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie image_difference_metrics

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.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• image_quality_metrics — py -3.11 examples/image_quality_metrics.py

Typkompatible Folge-Operatoren (nehmen `image2d` als Eingabe)

mse · rmse · psnr · ssim · ms_ssim · ssim_map · image_entropy · joint_entropy

Gleiche Kategorie (`information`)

image_entropy · joint_entropy · mutual_information · normalized_mutual_information

*Provenance: imgmetrics.py — IMGMETRICS Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

joint_histogram — IMGMETRICS information op