transform op• 데이터 종류: image → image
• 호출: fullseye.apply(img, "xmh_haar", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)
Haar 웨이블릿 변환(`mahotas.haar`). 이미지를 짝수 크기로 잘라낸 뒤 변환하고, 결과 계수 배열(근사/수평/수직/대각 각 서브밴드가 원본 이미지와 같은 크기의 배열에 채워진, Matlab 방식의 인플레이스 레이아웃)을 그대로 min-max 정규화하여 이미지로 보여준다.
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
分解レベルは 1 段固定。`a, b` は未使用。値そのものは復元可能な画像ではなく係数の可視化であることに注意。
• 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_geometry — py -3.11 examples/gallery2d_geometry.py
image 를 입력으로 받는 것)identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter
transform)xmh_daubechies · tf_radon_sinogram
*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.