class_2dim_unsup — SEGMENTATION `classify` op

• Datenarten: image2d × image2d → labels2d

• Aufruf: import fullseye as fs; fs.ledger.class_2dim_unsup(image1, image2, n_clusters=3, iters=20) (die Implementierung direkt: import segmentation; segmentation.class_2dim_unsup(image1, image2, n_clusters=3, iters=20); aus dem Register: opssegmentation.get("class_2dim_unsup"))

Verwendung

Unüberwachte k-Means-Klassifikation im 2-Kanal-Merkmalsraum; liefert ein Labelbild (class_2dim_unsup).

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie halcon_segmentation

Referenzen (Beispieldaten, Literatur)

• 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.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• halcon_segmentation_tour — py -3.11 examples/halcon_segmentation_tour.py

Typkompatible Folge-Operatoren (nehmen `labels2d` als Eingabe)

watersheds_marker · seg_confusion_table · seg_dice_jaccard · seg_boundary_f · seg_hausdorff · seg_mean_surface_distance · seg_under_over_segmentation · seg_object_counts_match

Gleiche Kategorie (`classify`)

class_2dim_sup · learn_ndim_norm · class_ndim_norm · classify_image_class_lut

*Provenance: segmentation.py — SEGMENTATION Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

class_2dim_unsup — SEGMENTATION classify op