dl_guided_filter — 2D smoothing op

• 데이터 종류: image → image

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

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

사용법

자기 유도 필터(guided filter, 가이드 이미지=입력 자신, torch 구현).

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

局所窓内の線形回帰 `q = a_lin*I + b_lin` を箱フィルタで解くエッジ保存平滑化。

`a は窓半径 r を 1〜5 に振り（r = 1 + int(a*4)）、b` は正則化項

`eps を 0.001〜0.051 に振る（eps = 0.001 + 0.05*b`、大きいほど強く平滑化

されエッジ保存が弱まる）。バイラテラルフィルタの高速な代替として知られる手法で、

ガイド画像を入力自身にしているのでセルフガイド付きのエッジ保存平滑化として働く。

HALCON の `guided_filter`（画像のガイデッドフィルタリングを行う）に相当するが、

同じ結果になるとは限らない近似実装。

자세한 사용 가이드

• gallery2d_smoothing_rank 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_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

타입이 이어지는 다음 연산자(image 를 입력으로 받는 것)

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

같은 카테고리(smoothing)

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

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

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