xsp_gauss_grad_mag — 2D `edges` op

• Datenarten: image → image

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

Verwendung

Kantenerkennung über den Gauß-Gradientenbetrag (`scipy.ndimage.gaussian_gradient_magnitude`).

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

`a はガウシアンの sigma を 0.5〜3.0 に振る（sigma = 0.5 + 2.5*a、大きいほど太い/滑らかなエッジになる）。b` は未使用。Sobel と違い先にガウシアンで平滑化してから勾配を取るのでノイズに強いが、sigma を大きくすると細部が失われる。

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).*

xsp_gauss_grad_mag — 2D edges op