xsp_wiener — 2D smoothing op

• データ種: image → image

• 呼び出し: fullseye.apply(img, "xsp_wiener", a=0.5, b=0.5) (2-D は 1 画像 + 2 スカラつまみ a,b∈[0,1] のモデル)

*図は合成の入力 128×128 で実際に走らせた出力。左が入力、右が出力(絵にならない返り値は値そのもの)。*

使い方

Wiener 適応フィルタ（`scipy.signal.wiener`）でノイズを抑える。

`a は近傍窓のサイズを 3, 5, 7, 9 の奇数に振る（k = 3 + 2*int(a*3)`、

a=0 で 3、a に近い 1 で 9）。`b` は未使用。局所分散からノイズ分散を

自動推定する適応フィルタで、一様な強さで均すガウシアン/ミーンボックスと

違い平坦な領域ほど強く均し、分散の大きい（エッジ/テクスチャの多い）領域は

保存されやすい。ガウス性ノイズを仮定するので塩胡椒ノイズには不向き。

出力は [0,1] にクリップする。

詳しい使い方ガイド

• gallery2d_smoothing_rank ファミリ ガイド

参考(サンプルデータ・文献)

• サンプルデータ カタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

Studio で試す

下のプログラムは実際に走ることを確かめてある(図と同じ入力)。Studio のヘルプではこのブロックがボタンになり、その場で読み込んで実行できる。

xsp_wiener 0.35 0.50

▸ Load this pipeline  ·  Load & run

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

型が繋がる次の op(image を入力に取れる)

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

同カテゴリ(smoothing)

gaussian · mean_box · bilateral · unsharp · sk_tv · sk_wavelet · sk_rolling_ball · sk_nlm

*Provenance: ops.py — 2D operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.