tf_steerable_filter — 2D `edges` op

• Datenarten: image → image

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

Verwendung

steerable_filter: gerichtete Antwort der ersten Ableitung einer Gauß-Funktion.

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

The steerable G1 basis: the derivative of a Gaussian at orientation

`theta = a*pi is cos(theta)*Gx + sin(theta)*Gy` where Gx, Gy are the

x/y partial derivatives of the Gaussian-smoothed image. `b` sets the

Gaussian sigma. The signed response is mapped to [0,1] (0.5 = zero), so its

deviation from 0.5 peaks on edges whose gradient matches `theta`.

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_edges

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_edges — py -3.11 examples/gallery2d_edges.py

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

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

Gleiche Kategorie (`edges`)

sobel_mag · prewitt_mag · roberts_mag · dog · grad_dir · log · corner_response · sk_scharr

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

tf_steerable_filter — 2D edges op