features op• Datenarten: image → feature
• Aufruf: fullseye.apply(img, "estimate_noise", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])
• HALCON-Äquivalent: estimate_noise (Bedeutung und Parameter sind in der HALCON-Referenz nachzulesen)
Schätzt robust die Standardabweichung σ von additivem Rauschen (`_noise_sigma: rechnet die MAD der Laplace-Antwort in eine Gauß-äquivalente Skala um und teilt dann durch den Rauschgewinn sqrt(20) des 5-Punkt-Laplace-Kernels). So ausgelegt, dass es unempfindlich gegenüber von Kanten stammenden Ausreißern ist und nur das Rauschen in flachen Bereichen erfasst (ein Fehler der alten Implementierung, bei dem "σ keine richtige Einheit hatte und oberhalb von σ≈0,08 bei 1,0 sättigte", wurde am 02.09.2026 behoben — Details siehe Docstring von _noise_sigma). Entspricht HALCONs estimate_noise` (Estimate the image noise from a single image.).
> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.
`a, b` は未使用。
• Leitfaden zur Familie gallery2d_features
• 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.
• gallery2d_features — py -3.11 examples/gallery2d_features.py
feature als Eingabe)features)blob_count · area_frac · count_contours · total_length · vol_count · sk_euler · sk_entropy_feat · sk_blur_effect
*Provenance: ops.py — 2D Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.