piv_multipass — PIV `estimate` op

• 資料種類:image2d × image2d → flow2d

• 呼叫: import fullseye as fs; fs.ledger.piv_multipass(a, b, windows=(64, 32), overlap=0.5, peak='gauss3', window_func='hann', outlier_threshold=2.0, normalize='overlap', search_limit=0.25)(要直接呼叫實作,import pivops; pivops.piv_multipass(a, b, windows=(64, 32), overlap=0.5, peak='gauss3', window_func='hann', outlier_threshold=2.0, normalize='overlap', search_limit=0.25);從台帳取用則 opspiv.get("piv_multipass"))

• 經台帳呼叫的回傳值: fullseye.ledger.piv_multipass(...) 只回傳宣告的 out 型別 flow2d 的值(底層函式還會回傳輔助資訊)。需要被捨棄的部分時,請用 fullseye.ledger.piv_multipass.raw(...),或直接呼叫 pivops.piv_multipass。

• 底層回傳: (flow, info) -> flow2d

• GPU:無(僅 CPU 參考實作)

用法

從粗視窗逐級降到細視窗的多級 PIV。回傳 (flow, info)。

使用每個階段的結果作為下一階段的預測位移（將第二個視窗移動整數）。有意刪除離群值並填滿行之間的空間 - 離群值向量用作預測。使用時，視窗將在下一階段保持在原位。

參數：

a、b：影像對。

windows：依降序排列的一排視窗。每個階段不必是前一階段的倍數，但是

由於網格發生變化，預測將替換為最近的鄰居。

重疊/峰值/window_func：與 piv_cross_correlate 相同。

outlier_threshold：階段之間標準化中位數測試的閾值。禁用“None”。

Normalize：各階段互相關的歸一化方法。

search_limit：從預測位置開始搜尋的視窗寬度的百分比。

最後階段（流程，資訊）。 info["passes"] 中每行視窗的大小。

詳細使用指南

• piv_displacement 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。

可執行的範例(實際呼叫該運算子並已驗證的樣例)

• piv_field_analysis_tour — py -3.11 examples/piv_field_analysis_tour.py

• piv_flow_from_particles — py -3.11 examples/piv_flow_from_particles.py

• poc_strain_history — py -3.11 examples/poc_strain_history.py

型別可銜接的下一個運算子(可接受 `flow2d` 作為輸入)

piv_deform_pass · piv_outlier_mask · piv_replace_outliers · piv_vorticity · piv_divergence · piv_flow_magnitude · piv_to_velocity · piv_velocity_gradient

同類別(`estimate`)

piv_cross_correlate · piv_deform_pass · piv_ensemble_correlate

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

piv_multipass — PIV estimate op

用法