smoothing op• 数据种类:image → image
• 调用:fullseye.apply(img, "xkor_gaussian", a=0.5, b=0.5)(2-D 的模型是一张图 + 两个标量旋钮 a,b∈[0,1])
• GPU:无(仅 CPU 参考实现)
*图为在 128×128 合成输入上实际运行的输出。左为输入，右为输出。点云以俯视散点显示(亮度 = z)，一维序列为折线，体数据为沿 z 的最大值投影，视频为中间帧，复数图像为幅值；无法成像的返回值直接显示数值。*
扫描旋钮 a(0.1 / 0.5 / 0.9，另一旋钮取默认):
▸ xkor_gaussian: 旋钮 a 扫描 (文档网站)
*旋钮 b 不改变输出(实测: 0.1 / 0.5 / 0.9 相同)。*
换别的图像(合成场景 / 照片 / 硬币。上排为输入，下排为对应输出。旋钮取默认):
▸ xkor_gaussian: 其他输入图像 (文档网站)
*第 4 列是彩色 (H,W,3) 输入。此算子能正确处理颜色而不跨通道(不把颜色通道当作第三个空间轴卷积)。*
高斯模糊(kornia 的 GPU 原生实现)。在 torch 张量上以与 sigma 匹配的窗口应用 kornia.filters.gaussian_blur2d。
a 将 sigma 在 0.3〜3.0 范围内调节（0.3 + 2.7 * a，与 core 的 gaussian / cv_gaussian 相同的映射）。b 未使用。窗口半径为 int(4σ + 0.5)（与 scipy gaussian_filter 的默认 truncate=4.0 相同），边界为含边缘像素的镜像（scipy 的 reflect = numpy 的 symmetric，与 core gaussian 在 b <= 0.5 时相同）。与 core 的 gaussian(v, a, 0.5) 在 float32 舍入（约 1e-7）内一致（tools/impl_differential.py、tests/test_impl_differential.py）。
★2026-11-03 的修正（数值改变）：此前窗口固定为 5x5，σ = 1.65（a = 0.5）时也在半径 2 = 1.2σ 处截断，增大 σ 只会让模糊趋近 5x5 的盒子（与 core gaussian 的内部差：a = 0.5 时为值域的 9 %，a = 0.75 时为 28 %）。在 CPU 上运行并不比 scipy 版快（这是在 GPU/批量运行时才见效的实现，IMGEVOLVE_KORNIA_DEVICE=cuda 可放到 GPU 上）。
同一处理的其他实现（实测，docs/IMPL_DIFFERENTIAL.md）：在相同输入、相同 a、b 下，内部差（相对于取值范围之比；小于 5e-3 视为一致）为 cv_gaussian 7.3e-05, gaussian 3.8e-07。不一致的原因（旋钮映射、窗口、边界、量化、定义不同）写在表中。
• gallery2d_smoothing_rank 族使用指南
• 示例数据目录(下载 URL / 许可证) —— 2-D 用 skimage.data(BSD/公有领域)加合成图,3-D 给出真实数据源(Stanford/PDS 等)的下载 URL。
• 算子来历与参考文献 —— 该算子族所依据的研究/方法出处。
• 算法的正典(作者、年份)与用途见上面的族使用指南。
下面的程序已确认可以运行(与图相同的输入)。在 Studio 帮助中，此块会变成按钮，可当场加载并运行。
xkor_gaussian 0.35 0.50
• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py
image 作为输入)identity · gaussian · mean_box · mean_box_wh · bilateral · kuwahara · unsharp · median
smoothing)gaussian · mean_box · mean_box_wh · bilateral · kuwahara · unsharp · sk_tv · sk_wavelet
*Provenance: ops.py — 2D 算子登记表。本条目由 tools/opdocs.py md 自动生成(请勿手工编辑)。*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.