iv_gradient_inpaint — 2D restoration op

• 데이터 종류: image → image

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

사용법

중앙의 마스킹된 창(window)에 대한 조화(라플라스) 인페인팅(inpainting). `a로 정해지는 변 비율을 가진 중앙 창의 내부를 버리고, nabla^2 u = 0을 풀어(경계 조건은 주변의 알려진 픽셀과 같은 Dirichlet 경계) 다시 채운다(Jacobi 완화법 = 마스킹된 각 픽셀을 그 4-이웃 평균으로 반복적으로 대체). 복원된 내부는 그 구멍에 대한 가장 매끄러운(최소 기울기) 채움이다. a는 창 크기를 설정하며, b`는 무시된다.

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(restoration)

xsk_inpaint · xsk_richardson_lucy · xsk_unwrap_phase · xcv_inpaint · xsk2_wiener · xcv3_inpaint_ns · iv_richardson_lucy · iv_wiener_deconv_spatial

*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.