xkor_gaussian — 2D `smoothing` op

• Datenarten: image → image

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

xkor_gaussian: 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

Gaußsche Unschärfe (GPU-native Implementierung von kornia). Wendet `kornia.filters.gaussian_blur2d` auf einem Torch-Tensor mit einem 5x5-Kernel und variablem Sigma an.

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

a はシグマを 0.3〜3.0 の範囲で振る（`0.3 + 2.7 * a`）。b は未使用。

CPU 実行では scipy 版と比べて速くはならない（GPU・バッチ実行時に効く

実装。`IMGEVOLVE_KORNIA_DEVICE=cuda` で GPU に乗る）。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_smoothing_rank

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.