sk_tv — 2D `smoothing` op

• Datenarten: image → image

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

Verwendung

Total-Variation-Rauschunterdrückung (TV denoising, Chambolle-Verfahren). Glättet das Rauschen in flachen Bereichen bei gleichzeitiger Erhaltung der Kanten - im Unterschied zu Median-/Gauß-Weichzeichnung zeichnet es sich dadurch aus, dass die Schärfe der Konturen nur schwer beeinträchtigt wird.

> 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 `restoration.denoise_tv_chambolle(v, weight=0.02+0.3*a)` —— a は denoising weight を 0.02〜0.32 に振り、大きいほど強く平滑化される(この符号の向きは後述の sk_tv_bregman と逆なので混同注意)。b は未使用。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_smoothing_rank

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_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

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

identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter

Gleiche Kategorie (`smoothing`)

gaussian · mean_box · bilateral · unsharp · sk_wavelet · sk_rolling_ball · sk_nlm · sk_tv_bregman

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

sk_tv — 2D smoothing op