ph_total_variation_flow — 2D `physics` op

• Datenarten: image → image

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

Verwendung

Diffusionsfluss zur Rauschunterdrückung mittels Totalvariation (Rudin-Osher-Fatemi) (kein HALCON-Operator, `""`).

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

Gradient descent of the ROF energy TV(I) + (lam/2)||I - I0||^2:

I_t = div(grad I / |grad I|) - lam (I - I0).

The TV term (curvature of the level sets) flattens noise while preserving sharp

edges; the fidelity term keeps the result anchored to the noisy input I0 so it

denoises rather than collapsing to a constant. `a` sets the step count,

`b` the fidelity weight lam.

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_physics_alife_3d

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_physics_alife_3d — py -3.11 examples/gallery2d_physics_alife_3d.py

Typkompatible Folge-Operatoren (nehmen `image` als Eingabe)

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

Gleiche Kategorie (`physics`)

ph_perona_malik · ph_coherence_enhancing_diffusion · ph_reaction_diffusion · ph_heat_flow · ph_mean_curvature_motion

*Provenance: ops.py — 2D Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

ph_total_variation_flow — 2D physics op