sp_local_min_sub_pix — 2D `subpix` op

• Datenarten: image → contour

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

• HALCON-Äquivalent: local_min_sub_pix (Bedeutung und Parameter sind in der HALCON-Referenz nachzulesen)

Verwendung

Erkennt lokale Minima der Grauwertoberfläche mit Subpixel-Genauigkeit (entspricht HALCON `local_min_sub_pix`).

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

アルゴリズムは `sp_local_max_sub_pix と対称（3x3 の 2 次曲面フィットで勾配 0 点へサブピクセル補正）。a は極小の顕著さ（周囲の最大値からの深さ）のしきい値を 0.01〜0.31 に振り（thr = 0.01 + 0.30*a）、b` は未使用。戻り値は CONTOUR、座標の単位は入力画像のピクセル。暗いスポット・くぼみの検出に向く。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_geometry

Hintergrundwissen (Physik und Konventionen hinter diesem Operator)

• measurement_uncertainty — 計測の不確かさと校正の知識 — 「測れている」を主張するために

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_geometry — py -3.11 examples/gallery2d_geometry.py

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

identity · select_contours · smooth_contours · fit_line_contours · contours_to_region · count_contours · total_length · select_contours_xld

Gleiche Kategorie (`subpix`)

sp_local_max_sub_pix · sp_saddle_points_sub_pix · sp_critical_points_sub_pix · sp_plateaus · sp_lowlands_center

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

sp_local_min_sub_pix — 2D subpix op