photon_sample — PHOTON `counting` op

• Datenarten: image2d → image2d

• Aufruf: import photoncount; photoncount.photon_sample(image, photons_per_unit=100.0, dark_rate=0.0, seed=0) (oder opsphoton.get("photon_sample"))

Verwendung

Zieht aus einem Bild erwarteter Photonenzahlen eine Poisson-Stichprobe: ein echtes Photonenzählbild.

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

*image* is a non-negative 2-D map of scene radiance in arbitrary units;

`lambda = image * photons_per_unit + dark_rate` is the expected number of

photons in each pixel over the exposure, and the result is one Poisson

realisation of it. *dark_rate* is the dark-count contribution (a SPAD counts

thermally generated carriers even in the dark) in the same photon units.

Returns the counts themselves as a float64 `(H, W)` image (integer

valued). That is the deliberate difference from

:func:backends_aug.aug_shot_noise, which returns `Poisson(v*K)/K` clipped

to `[0, 1]` for training-data augmentation: every operator downstream here

(Fano factor, Anscombe, Coates, dToF) needs `N`, and the rescale-and-clip

is not invertible.

`seed` is a required non-negative integer and the RNG is

`numpy.random.default_rng(seed)` — same seed, same frame, on any machine.

Ground truth it reproduces (pinned in `tests/test_photoncount.py`): the

sample mean and sample variance both converge to `lambda`. Measured on a

flat `lambda = 100` field of 512x512 pixels at seed 0 — mean 99.9796,

Fano factor 1.001089, so the photon-limited SNR is `sqrt(lambda)`: 9.9990

predicted from the mean, 9.9935 actually achieved.

Raises `ValueError`: negative or non-finite *image*, negative

*photons_per_unit* / *dark_rate*, a non-integer or negative *seed*, an image

over :data:MAX_IMAGE_ELEMENTS, and — instead of letting numpy fail deep

inside the sampler — any `lambda over :data:MAX_LAMBDA`.

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie photon_timeresolved

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)

• photon_timeresolved — py -3.11 examples/photon_timeresolved.py

Typkompatible Folge-Operatoren (nehmen `image2d` als Eingabe)

photon_statistics · photon_uncertainty · anscombe_transform · anscombe_inverse

Gleiche Kategorie (`counting`)

photon_statistics · photon_uncertainty

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

photon_sample — PHOTON counting op