typed op• 데이터 종류: matrix → feature
• 호출: fullseye.apply(img, "tb_mat_cond", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)
*그림 없음: 이 연산자는 matrix를 입력으로 받습니다. 이미지에서 시작하는 Studio 프로그램으로는 그 타입에 닿지 않으므로 아래의 실행 가능한 예제를 보세요.*
스펙트럴(2-노름) 조건수 `s_max / s_min` — 전체 linalg 계열 연산의 수치적 카나리아(이상 감지 지표).
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
`cond == 1` for an orthogonal/orthonormal matrix (the best possible);
`inf` (returned, not raised — the question "how conditioned is it?" has
that honest answer) for an exactly singular one. A solve against *A* loses
roughly `log10(cond(A))` significant digits (Golub & Van Loan §2.6):
• `cond ~ 1e3` — comfortable, ~13 digits survive.
• `cond ~ 1e8` — half the digits are gone; residuals may still look
small while parameters are off.
• `cond > 1e12 — **do not trust** :func:mat_solve` here: at best ~3
digits remain. Rescale/centre the problem, or switch to
:func:mat_lstsq / :func:mat_pinv with an honest `rcond`.
Defined for any rectangular `(m, n)` matrix (via its singular values).
HALCON: no direct operator (combine `norm_matrix` of *A* and of its
inverse).
Typed bridge of the math op `mat_cond into the 2-D evolution registry: the same implementation, called under the op(v, a, b) convention. This op has no tunable parameter; a and b` are unused.
• 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.
• (아직 없음)
feature 를 입력으로 받는 것)typed)tb_points_to_voxel · tb_estimate_point_normals · tb_iss_keypoints · tb_angle_3points · tb_project_points · tb_render_point_depth · tb_statistical_outlier_removal · tb_radius_outlier_removal
*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.