xkor_unsharp — 2D `smoothing` op

• Datenarten: image → image

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

• GPU: nein (nur CPU-Referenzimplementierung)

xkor_unsharp: input → output

*Die Abbildung ist die tatsächliche Ausgabe auf einer synthetischen 128×128-Eingabe. Links Eingabe, rechts Ausgabe. Punktwolken als Draufsicht-Streudiagramm (Helligkeit = z), 1-D-Reihen als Linie, Volumen als Maximum-Projektion entlang z, Videos als mittleres Bild, komplexe Bilder als Betrag; Rückgabewerte, die kein Bild ergeben, werden als Werte gezeigt.*

*Regler a ändert die Ausgabe nicht (gemessen: identisch bei 0,1 / 0,5 / 0,9).*

Regler b durchfahren (0,1 / 0,5 / 0,9, der andere Regler auf Standard):

▸ xkor_unsharp: Regler b durchfahren (Doku-Website)

Auf anderen Bildern (synthetische Szene / Foto / Münzen. Obere Reihe: Eingaben, untere Reihe: deren Ausgaben. Regler auf Standard):

▸ xkor_unsharp: andere Eingaben (Doku-Website)

*Die 4. Spalte ist eine Farb-Eingabe (H,W,3). Dieser Op verarbeitet Farbe, ohne Kanäle zu vermischen (er faltet den Farbkanal nicht als dritte Raumachse).*

Verwendung

Unscharfmaskierung (Schärfezeichnung). Ruft kornia.filters.unsharp_mask mit einem an Sigma angepassten Fenster auf (v + (v - G_σ * v), Stärke fest 1).

a wird nicht verwendet; b stellt das Sigma der Unschärfe ein (0.5 + 2.0 * b, Bereich 0,5–2,5). Die klassische Schärfung, die den tieffrequenten (verwischten) Anteil abzieht und die verstärkte Differenz wieder addiert. Der Fensterradius ist int(4σ + 0.5), der Rand wird einschließlich des Randpixels gespiegelt (wie bei xkor_gaussian). Die Knöpfe bedeuten etwas anderes als beim core-unsharp: dort ist a die Stärke (1.5a) und b σ = 0.5 + 1.5b. Das core-unsharp(v, 2/3, (s - 0.5)/1.5) und dieser Op mit b = (s - 0.5)/2 sind dieselbe Operation.

★Korrektur vom 2026-11-03 (Werte ändern sich): Bis dahin war das Fenster fest 5x5, sodass selbst σ = 1,5 (b = 0,5) bei Radius 2 abgeschnitten wurde (derselbe Fehler wie bei xkor_gaussian).

Andere Implementierungen derselben Operation (gemessen; docs/IMPL_DIFFERENTIAL.md): Bei gleichen Eingaben und gleichen a, b beträgt der Unterschied im Inneren (relativ zum Wertebereich; unter 5e-3 gilt als gleich) unsharp 0.19. Warum die abweichenden sich unterscheiden (Knopf-Abbildung, Fenster, Rand, Quantisierung, andere Definition), steht in der Tabelle.

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_smoothing_rank

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.

In Studio ausprobieren

Das Programm unten ist nachweislich lauffähig (gleiche Eingabe wie die Abbildung). In der Studio-Hilfe wird dieser Block zu Schaltflächen, die es sofort laden und ausführen.