tf_gradient_domain_reintegrate — 2D filtering op

• 데이터 종류: image → image

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

사용법

gradient_domain_reintegrate: 기울기(gradient)에 임계값을 적용한 후 푸아송(Poisson) 재적분을 수행.

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

The forward gradient (gx, gy) is computed, gradient vectors whose magnitude is

below a threshold `t = a * max|grad|` are zeroed (small texture/noise

gradients discarded, strong edges kept), and the image is reconstructed from

the modified gradient field by solving the Poisson equation

`lap f = div(g) with an FFT solver. With a == 0` every gradient is kept

and the original image is recovered (up to a constant); with `a > 0` flat

regions are flattened while edges survive -- an edge-preserving gradient-domain

filter. `b` is unused. Output rescaled to [0,1].

자세한 사용 가이드

• gallery2d_smoothing_rank 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_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

타입이 이어지는 다음 연산자(image 를 입력으로 받는 것)

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

같은 카테고리(filtering)

—

*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.