derivate_gauss — 2D `edges` op

• Datenarten: image → image

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

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

Verwendung

Der Gradientenbetrag (`hypot) der Gauß-Ableitungen (order=(1,0) und (0,1)), normiert auf [0,1]. Da nach der Gauß-Glättung differenziert wird, wirkt es als rauschrobuster Kantendetektor. Entspricht HALCONs derivate_gauss` (Convolve an image with derivatives of the Gaussian.).

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

`a` がガウス核のシグマを 0.5〜3.0 の範囲で振る(平滑化の強さとエッジの

太さがトレードオフ)。`b` は未使用。方向別成分(dx, dy)ではなく振幅のみを

返す点に注意。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_edges

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_edges — py -3.11 examples/gallery2d_edges.py

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

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

Gleiche Kategorie (`edges`)

sobel_mag · prewitt_mag · roberts_mag · dog · grad_dir · log · corner_response · sk_scharr

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

derivate_gauss — 2D edges op