hough_circle_trans — 2D `features` op

• 데이터 종류: image → image

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

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

사용법

원 검출을 위한 Hough 변환. 에지 마스크에 대해 반지름 4~19(3씩 증가)의 원 템플릿 집합으로 `skimage.transform.hough_circle을 계산하고, 모든 반지름에서의 최대 응답을 [0,1]로 정규화하여 반환한다. HALCON의 hough_circle_trans`(Return the Hough-Transform for circles with a given radius.)에 해당(HALCON은 반지름을 명시적으로 지정하지만, 여기서는 고정 범위를 전수 조사하는 근사이다).

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

`a がエッジ抽出の閾値を振る。b` は未使用 ―― 探索する半径レンジは

コード側に固定されており、`b` で半径を選ぶことはできない。

자세한 사용 가이드

• gallery2d_features 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_features — py -3.11 examples/gallery2d_features.py

타입이 이어지는 다음 연산자(`image` 를 입력으로 받는 것)

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

같은 카테고리(`features`)

blob_count · area_frac · count_contours · total_length · vol_count · sk_euler · sk_entropy_feat · sk_blur_effect

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

hough_circle_trans — 2D features op

사용법