cooc_feature_matrix — 2D `texture` op

• 데이터 종류: image → feature

• 호출: fullseye.apply(img, "cooc_feature_matrix", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)

• HALCON 대응: cooc_feature_matrix(의미·매개변수는 HALCON 레퍼런스가 참고가 됩니다)

사용법

그레이레벨 동시발생 행렬(GLCM, `skimage.feature.graycomatrix, 16계조로 양자화, 거리 1+3*a, 각도 0°)로부터 Haralick 텍스처 특징 energy(각 2차 모멘트, 행렬 값의 집중도=텍스처의 균일성)를 계산한다. HALCON의 cooc_feature_matrix`(Calculate gray value features from a co-occurrence matrix.)에 해당(HALCON은 여러 특징·여러 각도를 동시에 반환할 수 있지만, 여기서는 energy·각도 0° 고정으로 단순화).

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

`a が共起を取る画素間距離を 1〜4 の範囲で振る。b` は未使用。

자세한 사용 가이드

• gallery2d_texture_freq 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• gallery2d_texture_freq — py -3.11 examples/gallery2d_texture_freq.py

타입이 이어지는 다음 연산자(`feature` 를 입력으로 받는 것)

identity

같은 카테고리(`texture`)

std_filter · gabor · sk_frangi · sk_meijering · sk_hessian · sk_gabor · sk_lbp · sk_entropy

*Provenance: ops.py — 2D 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

cooc_feature_matrix — 2D texture op

사용법