dl_aniso_diffusion — 2D smoothing op

• データ種: image → image

• 呼び出し: fullseye.apply(img, "dl_aniso_diffusion", a=0.5, b=0.5) (2-D は 1 画像 + 2 スカラつまみ a,b∈[0,1] のモデル)

• HALCON 相当: anisotropic_diffusion(意味・パラメータは HALCON リファレンスが参考になる)

使い方

Perona-Malik 型の異方性拡散フィルタ（torch 実装、GPU があれば GPU 上で実行）。

上下左右 4 方向の差分にそれぞれ `exp(-(差分/K)^2)` の伝導度を掛けてから加算する

反復拡散で、勾配が大きい（エッジらしい）場所ほど拡散が弱まり、エッジを保ったまま

平滑化する。`a はエッジ検出しきい値 K を 0.02〜0.22 に振る（`K = 0.02 +

0.2*a`、大きいほどエッジを跨いで拡散しやすくなる）。b` は反復回数を 5〜20 回に

振る（`iters = 5 + int(b*15)）。ステップ幅 lam=0.2` は固定。ガウシアンぼかしと

異なりエッジをぼかさずにノイズだけ均せるのが利点。HALCON の

`anisotropic_diffusion`（画像の異方性拡散を行う）に相当するが、同じ結果になる

とは限らない近似実装。

詳しい使い方ガイド

• gallery2d_smoothing_rank ファミリ ガイド

参考(サンプルデータ・文献)

• サンプルデータ カタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

型が繋がる次の op(image を入力に取れる)

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

同カテゴリ(smoothing)

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

*Provenance: ops.py — 2D operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.