smoothing op• 資料種類:image → image
• 呼叫:fullseye.apply(img, "xkor_gaussian", a=0.5, b=0.5)(2-D 的模型是一張圖 + 兩個純量旋鈕 a,b∈[0,1])
• GPU:無(僅 CPU 參考實作)
*圖為在 128×128 合成輸入上實際執行的輸出。左為輸入，右為輸出。點雲以俯視散點顯示(亮度 = z)，一維序列為折線，體資料為沿 z 的最大值投影，影片為中間影格，複數影像為振幅；無法成像的回傳值直接顯示數值。*
掃描旋鈕 a(0.1 / 0.5 / 0.9，另一旋鈕取預設):
▸ xkor_gaussian: 旋鈕 a 掃描 (文件網站)
*旋鈕 b 不改變輸出(實測: 0.1 / 0.5 / 0.9 相同)。*
換別的影像(合成場景 / 照片 / 硬幣。上排為輸入，下排為對應輸出。旋鈕取預設):
▸ xkor_gaussian: 其他輸入影像 (文件網站)
*第 4 欄是彩色 (H,W,3) 輸入。此運算子能正確處理顏色而不跨通道(不把顏色通道當作第三個空間軸摺積)。*
高斯模糊(kornia 的 GPU 原生實作)。於 torch 張量上以與 sigma 相符的視窗套用 kornia.filters.gaussian_blur2d。
a 將 sigma 在 0.3〜3.0 範圍內調整（0.3 + 2.7 * a，與 core 的 gaussian / cv_gaussian 相同的對應）。b 未使用。視窗半徑為 int(4σ + 0.5)（與 scipy gaussian_filter 的預設 truncate=4.0 相同），邊界為含邊緣像素的鏡射（scipy 的 reflect = numpy 的 symmetric，與 core gaussian 在 b <= 0.5 時相同）。與 core 的 gaussian(v, a, 0.5) 在 float32 捨入（約 1e-7）內一致（tools/impl_differential.py、tests/test_impl_differential.py）。
★2026-11-03 的修正（數值改變）：此前視窗固定為 5x5，σ = 1.65（a = 0.5）時也在半徑 2 = 1.2σ 處截斷，增大 σ 只會讓模糊趨近 5x5 的盒子（與 core gaussian 的內部差：a = 0.5 時為值域的 9 %，a = 0.75 時為 28 %）。在 CPU 上執行並不比 scipy 版快（這是在 GPU/批次執行時才見效的實作，IMGEVOLVE_KORNIA_DEVICE=cuda 可放到 GPU 上）。
同一處理的其他實作（實測，docs/IMPL_DIFFERENTIAL.md）：在相同輸入、相同 a、b 下，內部差（相對於值域之比；小於 5e-3 視為一致）為 cv_gaussian 7.3e-05, gaussian 3.8e-07。不一致的原因（旋鈕對應、視窗、邊界、量化、定義不同）寫在表中。
• gallery2d_smoothing_rank 族使用指南
• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。
• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。
• 演算法的正典(作者、年份)與用途見上面的族使用指南。
下面的程式已確認可以執行(與圖相同的輸入)。在 Studio 說明中，此區塊會變成按鈕，可當場載入並執行。
xkor_gaussian 0.35 0.50
• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py
image 作為輸入)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 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.