sk_entropy_feat — 2D `features` op

• 데이터 종류: image → feature

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

• HALCON 대응: entropy_gray(의미·매개변수는 HALCON 레퍼런스가 참고가 됩니다)

사용법

이미지 전체의 섀넌 엔트로피(스칼라 특징량 1개). 밝기 히스토그램 분포의 퍼짐 정도·정보량을 하나의 수치로 요약한다 —— 값이 높을수록 밝기 분포가 고르게 퍼져 있음(정보량이 많음/대비가 풍부함)을 나타낸다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

HALCON の entropy_gray(Determine the entropy and anisotropy of images.)に相当(近似。異方性は計算しない)。実装は `measure.shannon_entropy(v)`(既定の底 2、単位はビット)。a, b は未使用。

자세한 사용 가이드

• gallery2d_features 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_features — py -3.11 examples/gallery2d_features.py

타입이 이어지는 다음 연산자(`feature` 를 입력으로 받는 것)

identity

같은 카테고리(`features`)

blob_count · area_frac · count_contours · total_length · vol_count · sk_euler · sk_blur_effect · cv_cc_count

*Provenance: ops.py — 2D 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

sk_entropy_feat — 2D features op

사용법