xsk2_radon — 2D `frequency` op

• Datenarten: image → image

• Aufruf: fullseye.apply(img, "xsk2_radon", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])

Verwendung

Sinogramm (Projektionsdaten) mittels Radon-Transformation. Ruft `skimage.transform.radon mit einer an die längere Bildseite angepassten Anzahl von Winkeln auf (0-180 Grad, gleichmäßig verteilt mit linspace`), skaliert das Ergebnis zurück auf die ursprüngliche Bildgröße und normalisiert es anschließend anhand des Maximalwerts.

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

a, b は未使用（角度本数は画像サイズから自動で決まる）。CT 再構成の

順投影に相当する処理で、直線状の構造ほどサイノグラム上に強いパターン

が出る。

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 (`frequency`)

lowpass · highpass · sk_butterworth · fft_image · power_real · power_byte · phase_rad · highpass_image

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

xsk2_radon — 2D frequency op