physics op• Data kinds: image → image
• Call: fullseye.apply(img, "ph_total_variation_flow", a=0.5, b=0.5) (2-D model = एक image + दो scalar knobs a,b∈[0,1])
• GPU: हाँ (allow-list का mechanical GPU path, CuPy)। device="auto" मापे गए आकार (4,194,304 pixel) और उससे बड़े पर GPU चुनता है
*Figure synthetic 128×128 input पर सच में चलाकर मिला output है। बाईं ओर input, दाईं ओर output। Point clouds ऊपर से देखे गए scatter के रूप में (brightness = z), 1-D series line के रूप में, volumes z दिशा में maximum-intensity projection के रूप में, videos बीच के frame के रूप में, complex images amplitude के रूप में, और जो return values चित्र नहीं बन सकते वे स्वयं values के रूप में दिखाए जाते हैं।*
*Output viridis जैसे pseudo-colour में है (गहरा बैंगनी = कम, पीला = अधिक), ताकि distance, phase, orientation, depth जैसे "मात्राओं के field" पढ़े जा सकें।*
Knob a को बदलकर (0.1 / 0.5 / 0.9, दूसरा knob default पर):
▸ ph_total_variation_flow: knob a को बदलने का figure (docs site)
Knob b को बदलकर (0.1 / 0.5 / 0.9, दूसरा knob default पर):
▸ ph_total_variation_flow: knob b को बदलने का figure (docs site)
दूसरी images पर भी (synthetic scene / photo / coins। ऊपर की row में inputs, नीचे की row में उनके outputs। Knobs default पर):
▸ ph_total_variation_flow: दूसरी images पर output (docs site)
*चौथा column colour (H,W,3) input है। यह op channels को पार किए बिना colour संभालता है (colour channel को तीसरे spatial axis की तरह convolve नहीं करता)।*
Total-variation (Rudin-Osher-Fatemi) denoising flow (कोई HALCON operator नहीं, "")।
> नीचे का विस्तृत विवरण मूल text में है — सारांश और headings का अनुवाद हो चुका है।
Gradient descent of the ROF energy TV(I) + (lam/2)||I - I0||^2:
I_t = div(grad I / |grad I|) - lam (I - I0).
The TV term (curvature of the level sets) flattens noise while preserving sharp edges; the fidelity term keeps the result anchored to the noisy input I0 so it denoises rather than collapsing to a constant. a sets the step count (1..80 explicit steps of dt=0.008), b the fidelity weight lam in [10, 30] (b=0 smooths most, b=1 stays closest to the input).
The steps march towards the ROF minimiser, a fixed point: once the fidelity has had time to act (lam * steps * dt of a few units, reached by a ~ 0.5 at b=0) more steps no longer change the answer, so raising a never turns a denoiser into a blur. A flat region of perimeter P and area A loses about (P/A)/lam of its contrast at the fixed point, so small features fade more than large ones (the usual ROF bias); raise b for light noise.
Until 2026-11-05 lam was 0.02..0.22: its time constant 1/lam (4.5..50) was far longer than the whole run (80 * 0.008 = 0.64), so the fidelity did nothing, the op was a pure TV flow drifting to a constant, and the error against the clean image grew with a (noisy square, sigma 0.05: 0.019 at a=0.1, 0.067 at a=1, worse than the noisy input's 0.050; even a clean input lost 0.067).
The curvature term is the mean of the four forward/backward staggerings (forward gradient + backward divergence and its mirror, per axis), so the flow commutes with flipping the image. Until 2026-11-05 (adversarial review round 2) only the forward-gradient / backward-divergence pair was used, and flipping the input changed the result by up to 0.15.
• gallery2d_physics_alife_3d family guide
• Sample data catalog (DL URL / license) — 2-D के लिए skimage.data (BSD/public) + synthetic, 3-D के लिए real data sources (Stanford/PDS आदि) के DL URL।
• Operators का स्रोत और संदर्भ — इस op family के मूल research/methods के स्रोत।
• Algorithm का मानक स्रोत (लेखक, वर्ष) और उपयोग ऊपर की family usage guide में दिए गए हैं।
नीचे का program सच में चलता है, यह जाँचा गया है (figure वाला ही input)। Studio की help में यह block buttons बन जाता है, जिनसे इसे वहीं load करके चलाया जा सकता है।
ph_total_variation_flow 0.50 0.50
▸ यह pipeline load करें · Load करके चलाएँ
• find_ops_by_meaning — py -3.11 examples/find_ops_by_meaning.py
• gallery2d_physics_alife_3d — py -3.11 examples/gallery2d_physics_alife_3d.py
image को input के रूप में लेते हैं)identity · gaussian · mean_box · mean_box_wh · bilateral · kuwahara · unsharp · median
physics)ph_perona_malik · ph_coherence_enhancing_diffusion · ph_reaction_diffusion · ph_heat_flow · ph_mean_curvature_motion
*Provenance: ops.py — 2D operator registry. यह per-op note tools/opdocs.py md से अपने-आप generate होता है (हाथ से edit न करें)।*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.