smoothing op• Datenarten: image → image
• Aufruf: fullseye.apply(img, "mean_box_wh", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])
• HALCON-Äquivalent: mean_image (Bedeutung und Parameter sind in der HALCON-Referenz nachzulesen)
• GPU: ja (mechanischer GPU-Pfad aus der Allow-List, CuPy). device="auto" wählt die GPU ab der gemessenen Größe (4,194,304 Pixel)

*Die Abbildung ist die tatsächliche Ausgabe auf einer synthetischen 128×128-Eingabe. Links Eingabe, rechts Ausgabe. Punktwolken als Draufsicht-Streudiagramm (Helligkeit = z), 1-D-Reihen als Linie, Volumen als Maximum-Projektion entlang z, Videos als mittleres Bild, komplexe Bilder als Betrag; Rückgabewerte, die kein Bild ergeben, werden als Werte gezeigt.*
Regler a durchfahren (0,1 / 0,5 / 0,9, der andere Regler auf Standard):
▸ mean_box_wh: Regler a durchfahren (Doku-Website)
Regler b durchfahren (0,1 / 0,5 / 0,9, der andere Regler auf Standard):
▸ mean_box_wh: Regler b durchfahren (Doku-Website)
Auf anderen Bildern (synthetische Szene / Foto / Münzen. Obere Reihe: Eingaben, untere Reihe: deren Ausgaben. Regler auf Standard):
▸ mean_box_wh: andere Eingaben (Doku-Website)
*Die 4. Spalte ist eine Farb-Eingabe (H,W,3). Dieser Op verarbeitet Farbe, ohne Kanäle zu vermischen (er faltet den Farbkanal nicht als dritte Raumachse).*
Mittelwert-(Box-)Filter mit unabhängig gewählter Breite und Höhe. Entspricht HALCONs mean_image (Smooth by averaging.).
a ist die Fensterbreite, b die Fensterhöhe; jeder Regler wird über 1 + 2 * min(7, int(8 * clip(knob, 0, 1))) auf die ungeraden Größen 1, 3, …, 15 abgebildet (dasselbe wie das Aufrunden einer geraden Breite oder Höhe auf den nächsten ungeraden Wert). Ränder verwenden immer reflect. Bei gleicher Breite und Höhe ist das Ergebnis bitidentisch mit mean_box bei gleichem Fenster und reflect. Beispiel: _mean_box_wh(np.eye(5), 0.2, 0.4).
Bei einem Bild mit NaN breitet sich NaN auf die Ausgabe der Mittelwertfenster aus, die dieses Pixel einbeziehen.
• Leitfaden zur Familie gallery2d_smoothing_rank
• 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.
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.
mean_box_wh 0.35 0.50
▸ Diese Pipeline laden · Laden & ausführen
• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py
image als Eingabe)identity · gaussian · mean_box · bilateral · kuwahara · unsharp · median · min_filter
smoothing)gaussian · mean_box · bilateral · kuwahara · unsharp · sk_tv · sk_wavelet · sk_rolling_ball
*Provenance: ops.py — 2D Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.