anisotropic_diffusion — 2D `smoothing` op

• Datenarten: image → image

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

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

Verwendung

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

Perona-Malik 型の異方性拡散。上下左右 4 方向の画素差にガウス型の

伝導度関数 `exp(-(Δ/K)^2)` を掛けて反復的に加算する ―― 差が閾値 K より

大きい(=エッジ)方向には拡散させず、小さい(=平坦)方向だけ滑らかにする

エッジ保存平滑化。HALCON の `anisotropic_diffusion`（Perform an

anisotropic diffusion of an image.）に相当。

`a が反復回数を 2〜10 回の範囲で、b` が伝導度の閾値 K を 0.05〜0.3

の範囲で振る。両方が使われる。K が小さいほどエッジを厳しく保護する。

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.

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 (`smoothing`)

gaussian · mean_box · bilateral · unsharp · sk_tv · sk_wavelet · sk_rolling_ball · sk_nlm

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

anisotropic_diffusion — 2D smoothing op