plant op• Data kinds: rgbimage × labels2d → table
• Call: import fullseye as fs; fs.ledger.superpixel_color_texture_features(rgb, labels, *, dark_floor: 'float' = 0.02, texture_sigma: 'float' = 1.0, min_size: 'int' = 4) -> 'Dict[str, object]' (implementation को सीधे call करना हो तो import cropweed; cropweed.superpixel_color_texture_features(rgb, labels, *, dark_floor: 'float' = 0.02, texture_sigma: 'float' = 1.0, min_size: 'int' = 4) -> 'Dict[str, object]', registry से लेना हो तो opssegmentation.get("superpixel_color_texture_features"))
• GPU: हाँ (allow-list का mechanical GPU path, CuPy)। device="auto" मापे गए आकार (12,582,912 pixel) और उससे बड़े पर GPU चुनता है
label image के हर region के लिए 10 colour (plant index, chromaticity) और texture (gradient, orientation coherence) feature देता है।
rgb (H, W, 3) है (plant_color_index जैसे ही नियम); labels उसी आकार की integer image है (0 = अनदेखा, 1 और ऊपर = region; superpixel या grid दोनों चलते हैं)। Column FEATURE_NAMES के क्रम में हैं:
ExG, ExGR और CIVE का औसत, chromaticity r और g का औसत, चमक (RGB का औसत) का औसत और standard deviation, चमक के Gaussian gradient (σ = texture_sigma) के परिमाण का औसत, structure tensor की orientation coherence coherence = √((Jxx − Jyy)² + 4Jxy²)/(Jxx + Jyy) (region पर जोड़ा गया tensor; 1 = एक दिशा, 0 = isotropic), ExG का standard deviation। Colour feature केवल उन pixel का औसत लेते हैं जो dark_floor जितने उजले हैं। min_size से कम pixel वाले region, और जिनमें एक भी pixel की chromaticity तय नहीं, उन्हें कोई row नहीं मिलती और वे कारण सहित dropped_ids में दर्ज होते हैं (औसत को 0 या NaN से नहीं भरा जाता)। लौटाता है: X (N, 10), names, ids (हर row का region नंबर), sizes, centroids ((N, 2) [row, col]), dropped_ids, texture_sigma। खाली input, आकार का मेल न होना, ऋणात्मक label और शून्य बचे region पर ValueError से अस्वीकार।
• halcon_segmentation 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।
• poc_weed_rice_ratio — py -3.11 examples/poc_weed_rice_ratio.py
table को input के रूप में लेते हैं)class_ndim_norm · fisher_lda_score
plant)plant_color_index · cover_ratio_grade
*Provenance: cropweed.py — SEGMENTATION 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.