xsk_blob_doh — 2D `features` op

• Datenarten: image → feature

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

Verwendung

Anzahl der erkannten Blobs (fleckenartiger Strukturen) (Erkennung mittels LoG, DoG oder DoH).

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

skimage.feature の Laplacian of Gaussian(LoG)/ Difference of

Gaussian(DoG)/ Determinant of Hessian(DoH)のいずれか(このコードは

3 種を共通実装しており、どれを使うかは呼び出し元がどの op 名で

登録したか —— `xsk_blob_log / xsk_blob_dog / xsk_blob_doh`

—— で決まる)を用いてブロブを検出し、その個数をそのまま返す

(feature 出力)。

`a が探索する最大スケール max_sigma` を 5〜25 の範囲で振る

(大きいほど大きなブロブまで拾う)。`b` が検出しきい値

`threshold` を 0.02〜0.17 で振る(小さいほど弱いブロブまで拾い、

検出数が増えやすい)。3 手法は速度・精度が異なる(LoG が最も正確

だが遅く、DoH はエッジに強い一方、小さいブロブを苦手とする、等)。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_features

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_features — py -3.11 examples/gallery2d_features.py

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

identity

Gleiche Kategorie (`features`)

blob_count · area_frac · count_contours · total_length · vol_count · sk_euler · sk_entropy_feat · sk_blur_effect

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

xsk_blob_doh — 2D features op