features op• 데이터 종류: image → feature
• 호출: fullseye.apply(img, "xsk_blob_dog", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)
*그림은 128×128 합성 입력에서 실제로 실행한 출력. 왼쪽이 입력, 오른쪽이 출력(이미지가 아닌 반환값은 값 자체를 표시).*
검출된 블롭(반점 모양 구조)의 수(LoG/DoG/DoH 중 하나로 검출).
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
skimage.feature の Laplacian of Gaussian(LoG)/ Difference of
Gaussian(DoG)/ Determinant of Hessian(DoH)のいずれか(このコードは
3 種を共通実装しており、どれを使うかは呼び出し元がどの op 名で
登録したか —— `xsk_blob_log / xsk_blob_dog / xsk_blob_doh`
—— で決まる)を用いてブロブを検出し、その個数をそのまま返す
(feature 出力)。
`a が探索する最大スケール max_sigma` を 5〜25 の範囲で振る
(大きいほど大きなブロブまで拾う)。`b` が検出しきい値
`threshold` を 0.02〜0.17 で振る(小さいほど弱いブロブまで拾い、
検出数が増えやすい)。3 手法は速度・精度が異なる(LoG が最も正確
だが遅く、DoH はエッジに強い一方、小さいブロブを苦手とする、等)。
• 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.
아래 프로그램은 실제로 실행됨을 확인했습니다(그림과 같은 입력). Studio 도움말에서는 이 블록이 버튼이 되어 즉시 불러와 실행할 수 있습니다.
xsk_blob_dog 0.50 0.50
▸ Load this pipeline · Load & run
• gallery2d_features — py -3.11 examples/gallery2d_features.py
feature 를 입력으로 받는 것)features)blob_count · area_frac · count_contours · total_length · vol_count · sk_euler · sk_entropy_feat · sk_blur_effect
*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.