adaptive_gauss_thresh — 2D `segmentation` op

• Datenarten: image → region

• Aufruf: fullseye.apply(img, "adaptive_gauss_thresh", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])

• HALCON-Äquivalent: local_threshold (Bedeutung und Parameter sind in der HALCON-Referenz nachzulesen)

Verwendung

Adaptive Schwellenwertbildung anhand eines gaußgeglätteten lokalen Mittelwerts. Entspricht HALCONs `local_threshold` (Segment an image using local thresholding.).

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

`a が基準を作るガウシアンの σ を 1.0〜4.0 に、b がオフセットを -0.15〜+0.15（(b-0.5)*0.3）に振る。v > gaussian_filter(v, σ) + offset を満たす画素を前景にする。照明ムラがある画像で大域しきい値（_threshold/_otsu）より安定する。近い op に _dyn_threshold があるが、そちらは箱型平均（uniform_filter）を基準にし、オフセット幅も異なる（±0.2`）——同じ「適応的しきい値」でも基準の平滑化方式とパラメータ範囲が違う別実装。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_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)

• gallery2d_segmentation — py -3.11 examples/gallery2d_segmentation.py

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

identity · reg_erode · reg_dilate · reg_open · reg_close · fill_holes · select_largest · remove_small

Gleiche Kategorie (`segmentation`)

threshold · otsu · canny · sk_otsu · sk_li · sk_yen · sk_sauvola · sk_niblack

*Provenance: ops.py — 2D Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

adaptive_gauss_thresh — 2D segmentation op