smoothing op• Datenarten: image → image
• Aufruf: fullseye.apply(img, "isotropic_diffusion", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])
• HALCON-Äquivalent: isotropic_diffusion (Bedeutung und Parameter sind in der HALCON-Referenz nachzulesen)
Die Implementierung ist eine einfache Gauß-Unschärfe (`gaussian_filter, Sigma 0.5+2.5*a). Da die Lösung der isotropen Diffusionsgleichung mathematisch äquivalent zur Faltung mit einem Gauß-Kern ist, ist diese Annäherung auch theoretisch gerechtfertigt (sie hat keinen kantenerhaltenden Effekt wie die anisotrope Diffusion, sondern glättet unabhängig von der Richtung gleichmäßig). Entspricht HALCONs isotropic_diffusion` (Perform an isotropic diffusion of an image.).
> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.
`a がシグマ(拡散時間に相当)を 0.5〜3.0 の範囲で振る。b` は未使用。
• Leitfaden zur Familie gallery2d_smoothing_rank
• 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_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py
image als Eingabe)identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter
smoothing)gaussian · mean_box · bilateral · unsharp · sk_tv · sk_wavelet · sk_rolling_ball · sk_nlm
*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.