add_noise_white — 2D `noise` op

• Datenarten: image → image

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

• HALCON-Äquivalent: add_noise_white (Bedeutung und Parameter sind in der HALCON-Referenz nachzulesen)

Verwendung

> Für diesen Operator gibt es noch keine Übersetzung. Es folgt der Originaltext unverändert.

ガウス性ホワイトノイズを加える(`np.random.default_rng` で生成、

標準偏差 `0.02+0.2*b)。乱数シードは int(a*997)+7 で a` から

決定的に導出されるため、**同じ `a` なら常に同じノイズパターンが再現

される**(真にランダムではなく、`a` を「ノイズの見え方の型」を選ぶ

擬似的なノブとして使っている点に注意)。HALCON の `add_noise_white`

（Add noise to an image.）に相当。

`a は乱数シード(=ノイズパターン)を、b` はノイズの強さ(標準偏差)

を振る。両方が使われるが、`a` の意味は「強さ」ではなく「パターン」で

ある点が他の op と異なる。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_smoothing_rank

Hintergrundwissen (Physik und Konventionen hinter diesem Operator)

• mv_image_sensors — 産業用イメージセンサ（現行品中心）

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.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

Typkompatible Folge-Operatoren (nehmen `image` als Eingabe)

identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter

Gleiche Kategorie (`noise`)

add_noise_distribution

*Provenance: ops.py — 2D Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

add_noise_white — 2D noise op