piv_multipass — PIV `estimate` op

• 데이터 종류: image2d × image2d → flow2d

• 호출: import fullseye as fs; fs.ledger.piv_multipass(a, b, windows=(64, 32), overlap=0.5, peak='gauss3', window_func='hann', outlier_threshold=2.0, normalize='overlap', search_limit=0.25)(구현을 직접 호출하려면 import pivops; pivops.piv_multipass(a, b, windows=(64, 32), overlap=0.5, peak='gauss3', window_func='hann', outlier_threshold=2.0, normalize='overlap', search_limit=0.25), 원장에서 가져오려면 opspiv.get("piv_multipass"))

• 원장 경유의 반환값: fullseye.ledger.piv_multipass(...) 는 선언된 out 형 flow2d 의 값만 반환합니다(실제 함수는 보조 정보도 반환). 버려진 쪽이 필요하면 fullseye.ledger.piv_multipass.raw(...) 를 쓰거나 pivops.piv_multipass 를 직접 호출하세요.

• 실제 반환: (flow, info) -> flow2d

• GPU: 없음(CPU 참조 구현만)

사용법

거친 창에서 세밀한 창으로 단계를 낮춰 가는 다단 PIV. 반환값은 (flow, info).

각 단계의 결과를 다음 단계의 예측 변위로 사용합니다(정수량만 두 번째 창을 이동합니다). 스테이지 사이에서 특이치를 제외하고 채우는 것은 의도적 —— 빗나간 벡터를 그대로 예측에사용하면 그 창은 다음 단계에서도 벗어난 채 고정된다.

Args:

a, b: 이미지 쌍.

windows: 큰 순서의 창 줄. 각 단은 전단의 배수 관계가 아니어도 좋다하지만,

격자가 바뀌기 때문에 예측은 최근 옆에서 싣는다.

overlap / peak / window_func: piv_cross_correlate 와 동일합니다.

outlier_threshold : 스테이지 간의 정규화 중앙값 테스트의 임계 값. None ''로 유효하지 않습니다.

normalize: 각 단의 상호 상관의 정규화 방식.

search_limit: 예측 위치에서 탐색할 창 폭의 백분율.

Returns:

마지막 단계의 (flow, info). info["passes"] 에 각 단계의 창 크기.

자세한 사용 가이드

• piv_displacement 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)

• piv_field_analysis_tour — py -3.11 examples/piv_field_analysis_tour.py

• piv_flow_from_particles — py -3.11 examples/piv_flow_from_particles.py

• poc_strain_history — py -3.11 examples/poc_strain_history.py

타입이 이어지는 다음 연산자(`flow2d` 를 입력으로 받는 것)

piv_deform_pass · piv_outlier_mask · piv_replace_outliers · piv_vorticity · piv_divergence · piv_flow_magnitude · piv_to_velocity · piv_velocity_gradient

같은 카테고리(`estimate`)

piv_cross_correlate · piv_deform_pass · piv_ensemble_correlate

*Provenance: pivops.py — PIV 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

piv_multipass — PIV estimate op

사용법