correlation_score — REPRCONV `score` op

• Datenarten: voxel × voxel → score

• Aufruf: import reprconv; reprconv.correlation_score(voxel_a, voxel_b) (oder opsreprconv.get("correlation_score"))

Verwendung

Zwei `voxel → ein normiertes Kreuzkorrelations-score`-Volumen. Der einzige Eingang in diesen Typ.

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

`score は refine_peak_newton` が食う型だが、**台帳のどの op も

`score` を産まなかった**(実測。生成器の種を置いてようやく到達していた)。

ここでは FFT による循環相互相関を返す:

score[s] = sum_x (a[x] - mean_a) * (b[x + s] - mean_b) / (N * std_a * std_b)

したがって `b が a を s0 だけ np.roll` したものなら、

ピークは厳密に `s0` に立つ(閉形式の真値。テストがこれを使う)。

循環相関なので端は巻き込む —— 打ち切り相関ではないことを明記しておく。

Args:

voxel_a: (D, H, W)。

voxel_b: (D, H, W)、`voxel_a` と同形。

Returns:

(D, H, W) float64、値域は概ね [-1, 1] (完全一致で 1.0)。

Raises:

ValueError: 3-D でない / 形が違う / 定数体積(標準偏差 0)/ 非有限。

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)

• representation_conversion — py -3.11 examples/representation_conversion.py

• representation_roundtrip — py -3.11 examples/representation_roundtrip.py

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

score_to_position · score_to_image2d

Gleiche Kategorie (`score`)

score_to_position · score_to_image2d

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

correlation_score — REPRCONV score op