tf_rank_transform — 2D `texture` op

• Datenarten: image → image

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

Verwendung

rank_transform: der lokale Rang jedes Pixels innerhalb seiner Nachbarschaft.

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

Each pixel's value is the fraction of neighbours in a `(2r+1)x(2r+1)` window

that it strictly exceeds (`r = 1 + round(a*2); b` unused), i.e. its

ordinal rank normalized to [0,1]. Like the census transform it depends only on

pixel ordering, so it is invariant to a global gain: multiplying the image by

any positive constant leaves every rank unchanged (robust to illumination gain

for stereo/texture).

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_texture_freq

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_texture_freq — py -3.11 examples/gallery2d_texture_freq.py

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

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

Gleiche Kategorie (`texture`)

std_filter · gabor · sk_frangi · sk_meijering · sk_hessian · sk_gabor · sk_lbp · sk_entropy

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

tf_rank_transform — 2D texture op