xwt_visushrink — 2D smoothing op

• 数据种类:image → image

• 调用:fullseye.apply(img, "xwt_visushrink", a=0.5, b=0.5)(2-D 的模型是一张图 + 两个标量旋钮 a,b∈[0,1])

*图为在 128×128 合成输入上实际运行的输出。左为输入，右为输出(非图像的返回值直接显示其值)。*

用法

VisuShrink风格的小波去噪。用`db4做2层分解，对各层细节系数做软阈值处理后再逆变换重建（VisuShrink本是根据噪声量自动确定该阈值的方法，此处为直接以a`给定阈值的简化版）。

> 以下的详细说明为原文 —— 摘要与标题已翻译。

`a は閾値(0.05+0.5*a で 0.05〜0.55)を振る —— 大きいほど強く平滑化されディテールが失われる。b` は未使用。出力は元画像サイズに切り詰めて [0,1] にクリップ。

详细使用指南

• gallery2d_smoothing_rank 族使用指南

参考(示例数据・文献)

• 示例数据目录(下载 URL / 许可证) —— 2-D 用 skimage.data(BSD/公有领域)加合成图,3-D 给出真实数据源(Stanford/PDS 等)的下载 URL。

• 算子来历与参考文献 —— 该算子族所依据的研究/方法出处。

• 算法的正典(作者・年份)与用途见上面的族使用指南。

在 Studio 中试试

下面的程序已确认可以运行(与图相同的输入)。在 Studio 帮助中，此块会变成按钮，可当场加载并运行。

xwt_visushrink 0.35 0.50

▸ Load this pipeline  ·  Load & run

可运行的示例(实际调用该算子并已验证的样例)

• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

类型可衔接的下一个算子(可接受 image 作为输入)

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

同类别(smoothing)

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

*Provenance: ops.py — 2D 算子登记表。本条目由 tools/opdocs.py md 自动生成(请勿手工编辑)。*

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