cv_sharpen — 2D `smoothing` op

• Datenarten: image → image

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

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

Verwendung

Ein unscharfmaskenartiger Schärfungsfilter (3x3-Kernel-Faltung, OpenCV-Implementierung). Faltet mit einem Kernel, dessen Zentrum `1+4a und dessen Nachbarn oben/unten/links/rechts -a` sind (bei a=0 der Identitätskernel = keine Änderung; je größer a ist, desto stärker wirkt die diskrete, laplaceartige Hochfrequenzverstärkung), und hebt so den Kontrast an Kanten an.

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

HALCON の emphasize(Enhance contrast of the image.)に相当(近似)。実装は `cv2.filter2D(v, kernel) を [0,1]` へ clip したもの —— a はカーネルの強さ(鮮鋭化の度合い)を 0〜1 に振る。b は未使用。

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).*

cv_sharpen — 2D smoothing op