sg_normalized_cut_2 — 2D `segment` op

• Datenarten: image → region

• Aufruf: fullseye.apply(img, "sg_normalized_cut_2", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])

Verwendung

Teilt das Bild anhand eines Normalized Cut auf dem Helligkeitsgraphen (spektrale Zweiteilung, Shi & Malik) in zwei Regionen (hell / dunkel) (kein entsprechender HALCON-Operator).

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

計算量を抑えるため画像を `sdim = round(10+b*14) 程度まで間引いてから、輝度差と距離で重みを決めたアフィニティグラフを作り、一般化固有値問題 (D-W)y = lambda*D*y の第 2 固有ベクトル（Fiedler ベクトル）を中央値でしきい値化して 2 群に分ける。a（0〜1）は輝度方向の帯域幅sig_i = 0.05 + a*0.5 を振り、b`（0〜1）は間引きの解像度を振る。明るい方の群を最近傍で元解像度に拡大して region として返す。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_segmentation

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_segmentation — py -3.11 examples/gallery2d_segmentation.py

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

identity · reg_erode · reg_dilate · reg_open · reg_close · fill_holes · select_largest · remove_small

Gleiche Kategorie (`segment`)

sg_slic_superpixels · sg_felzenszwalb · sg_gmm_segment · sg_kmeans_intensity · sg_region_growing_seeded · sg_watershed_gradient

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

sg_normalized_cut_2 — 2D segment op