fractal_dimension — 2D `features` op

• 資料種類:image → feature

• 呼叫:fullseye.apply(img, "fractal_dimension", a=0.5, b=0.5)(2-D 的模型是一張圖 + 兩個純量旋鈕 a,b∈[0,1])

• GPU:無(僅 CPU 參考實作)

$fractal_dimension: input → output$

*圖為在 128×128 合成輸入上實際執行的輸出。左為輸入，右為輸出。點雲以俯視散點顯示(亮度 = z)，一維序列為折線，體資料為沿 z 的最大值投影，影片為中間影格，複數影像為振幅；無法成像的回傳值直接顯示數值。*

掃描旋鈕 a(0.1 / 0.5 / 0.9，另一旋鈕取預設):

▸ fractal_dimension: 旋鈕 a 掃描 (文件網站)

*旋鈕 b 不改變輸出(實測: 0.1 / 0.5 / 0.9 相同)。*

用法

測量紋理複雜度的 Minkowski-Bouligand(盒計數)碎形維度。

使用所需的閾值「a」進行二值化，並定義框大小的結構「s = 1, 2, 4, …」。計算“包含 s×s 個盒子”的數量“N(s)”，並在“log(1/s)”上執行“log N(s)”的最小二乘回歸。返回斜率（Mandelbrot 1982）。線性結構~1，填充平面的面積~2，自相似的邊是中間非整數（對於謝爾賓斯基三角形，“log 3 / log 2 ≈ 1.585”）。表面它可用於廉價的複雜特徵，例如粗糙度、組織紋理、形貌和斷裂表面。

由於解析度有限（已知框在粗尺度下飽和），填充區域略小於 2。低估）。 a 是二值化閾值，b 不使用。無結構/1 只能取比例如果返回 0

詳細使用指南

• gallery2d_features 族使用指南

參考(範例資料、文獻)

• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。

• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。

• 演算法的正典(作者、年份)與用途見上面的族使用指南。

在 Studio 中試試

下面的程式已確認可以執行(與圖相同的輸入)。在 Studio 說明中，此區塊會變成按鈕，可當場載入並執行。

fractal_dimension 0.50 0.50

▸ 載入此管線 · 載入並執行

可執行的範例(實際呼叫該運算子並已驗證的樣例)

• gallery2d_features — py -3.11 examples/gallery2d_features.py

• poc_endless_zoom_and_turning_solids — py -3.11 examples/poc_endless_zoom_and_turning_solids.py

• poc_theorems_as_pictures — py -3.11 examples/poc_theorems_as_pictures.py

型別可銜接的下一個運算子(可接受 `feature` 作為輸入)

identity · feature_to_img

同類別(`features`)

effective_bit_depth · blob_count · area_frac · count_contours · total_length · vol_count · sk_euler · sk_entropy_feat

*Provenance: ops.py — 2D 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*

fractal_dimension — 2D features op

用法