dots_image — 2D `edges` op

• Datenarten: image → image

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

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

Verwendung

Ein Laplacian-of-Gaussian-Filter (LoG). Bildet den Laplace-Operator eines Gauß-Kerns mit sigma = 0.5+2.5a und normiert mit signed01 (ein vorzeichenbehafteter Wert wird auf [0,1] abgebildet, 0,5 = keine Antwort). b wird nicht verwendet. Da kreisförmige Punktmuster (Dots) aufgrund der Isotropie des Gauß-Kerns eine starke LoG-Antwort zeigen, wird dies zur Hervorhebung kreisförmiger Punkte verwendet.

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

HALCON の `dots_image`（画像中の円形ドットを強調する演算）に相当する近似で、専用のドット検出カーネルではなく一般的な LoG フィルタで代用している。

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).*

dots_image — 2D edges op