binomial_filter — 2D `smoothing` op

• Datenarten: image → image

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

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

Verwendung

Ein separierbarer Glättungsfilter, gewichtet mit Binomialkoeffizienten (Pascalsches Dreieck). Durch aufeinanderfolgende Anwendung von `ndimage.correlate1d entlang Zeilen und Spalten wird ein Gauß-Kern durch einen diskreten Binomialkern angenähert -- eine Umsetzung nach derselben Idee wie der von HALCONs binomial_filter` (Smooth an image using the binomial filter.) verwendete Kern.

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

`a が核サイズを {3,5,7,9} の 4 段階(_k(a))で振る。b` は

未使用。ガウシアンぼかしより計算が軽く、リンギングも出にくい。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_smoothing_rank

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_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

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

identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter

Gleiche Kategorie (`smoothing`)

gaussian · mean_box · bilateral · unsharp · sk_tv · sk_wavelet · sk_rolling_ball · sk_nlm

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

binomial_filter — 2D smoothing op