smoothing op• 데이터 종류: image → image
• 호출: fullseye.apply(img, "sk_tv_bregman", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)
전변동 노이즈 제거(TV denoising, Split-Bregman법). sk_tv와 같은 TV 정규화 개념을 사용하지만 최적화 알고리즘이 다르며(Bregman 분할법), 수렴이 더 빠르다고 알려져 있다.
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
HALCON に直接対応するものは無い。実装は `restoration.denoise_tv_bregman(v, weight=1.0+8.0*a) を [0,1] へ clip したもの —— a は weight を 1.0〜9.0 に振るが、この関数の weight は**小さいほど強く平滑化される**(sk_tv の weight とは符号の向きが逆 —— denoise_tv_chambolle は大きいほど強く、denoise_tv_bregman` は小さいほど強い。混同すると意図と逆方向に a を動かすことになるので注意)。b は未使用。
• gallery2d_smoothing_rank 패밀리 가이드
• 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.
• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py
image 를 입력으로 받는 것)identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter
smoothing)gaussian · mean_box · bilateral · unsharp · sk_tv · sk_wavelet · sk_rolling_ball · sk_nlm
*Provenance: ops.py — 2D 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.