xsk2_multiotsu — 2D `segmentation` op

• Datenarten: image → image

• Aufruf: fullseye.apply(img, "xsk2_multiotsu", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])

Verwendung

Quantisiert die Tonstufen mit der Multi-Otsu-Methode, einer Erweiterung von Otsus Diskriminanzanalyse-Verfahren (Otsu's method) auf mehrere Stufen. Verwendet `skimage.filters.threshold_multiotsu`.

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

a はクラス数を 3 または 4 に切り替える（`3 + int(a > 0.5)`）。

5 クラス以上は実装していない——多値大津はしきい値の全探索コストが

`bins ** (classes - 1)` で増えるため、実測（128x128）で 3 クラス

0.0008 秒に対し 5 クラスは 2.435 秒（3239 倍）かかり、進化ループ 1 世代

だけで実行が止まって見えるほど遅い（画像サイズにはほぼ依らない）。

4 クラスなら 0.025 秒に収まる。b は未使用。しきい値で量子化した後

`(cls-1)` で割って [0,1] に正規化する。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_segmentation

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_segmentation — py -3.11 examples/gallery2d_segmentation.py

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

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

Gleiche Kategorie (`segmentation`)

threshold · otsu · canny · adaptive_gauss_thresh · sk_otsu · sk_li · sk_yen · sk_sauvola

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

xsk2_multiotsu — 2D segmentation op