sk_slic — 2D `segmentation` op

• Datenarten: image → region

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

Verwendung

Superpixel-Segmentierung mittels SLIC (Simple Linear Iterative Clustering). Führt k-means-Clustering in einem kombinierten Raum aus Farbe (hier Grauwert) und Koordinaten durch und unterteilt das Bild in annähernd gleich große Regionen. Hier werden die Grenzlinien des Segmentierungsergebnisses als Region zurückgegeben.

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

HALCON に直接対応するものは無い。実装は `segmentation.find_boundaries(segmentation.slic(v, n_segments=int(10+80*a), channel_axis=None))` —— a はおおよそのセグメント数を 10〜90 に振る(大きいほど細かく分割される)。b は未使用。

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 (`segmentation`)

threshold · otsu · canny · adaptive_gauss_thresh · sk_otsu · sk_li · sk_yen · sk_sauvola

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

sk_slic — 2D segmentation op