xsp_wiener — 2D smoothing op

• 데이터 종류: image → image

• 호출: fullseye.apply(img, "xsp_wiener", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)

사용법

위너 적응 필터(`scipy.signal.wiener`)로 노이즈를 억제한다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

`a は近傍窓のサイズを 3, 5, 7, 9 の奇数に振る（k = 3 + 2*int(a*3)`、

a=0 で 3、a に近い 1 で 9）。`b` は未使用。局所分散からノイズ分散を

自動推定する適応フィルタで、一様な強さで均すガウシアン/ミーンボックスと

違い平坦な領域ほど強く均し、分散の大きい（エッジ/テクスチャの多い）領域は

保存されやすい。ガウス性ノイズを仮定するので塩胡椒ノイズには不向き。

出力は [0,1] にクリップする。

자세한 사용 가이드

• gallery2d_smoothing_rank 패밀리 가이드

참고(샘플 데이터·문헌)

• 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.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

타입이 이어지는 다음 연산자(image 를 입력으로 받는 것)

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

같은 카테고리(smoothing)

gaussian · mean_box · bilateral · unsharp · sk_tv · sk_wavelet · sk_rolling_ball · sk_nlm

*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.