elliptic_axis_xld — 2D `features` op

• Datenarten: contour → match

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

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

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

Stufen (die vorangehenden Ops → dieser Op, von links nach rechts):

▸ elliptic_axis_xld: Stufen (Doku-Website)

Verwendung

Passt eine Ellipse an die Kontur mit den meisten Punkten an (cv2.fitEllipse) und gibt (Ra, Rb, Phi) als 3-Komponenten-Vektor der Sorte match zurück — Ra/Rb sind große und kleine Halbachse [px], Phi der Hauptachsenwinkel (Radiant, gegen den Uhrzeigersinn von der Spaltenachse, größer als -π/2 und höchstens π/2). Dieselben drei Werte wie HALCONs elliptic_axis_xld (Parameters of the equivalent ellipse of contours or polygons.).

Dieselbe Form wie die Regionsversion elliptic_axis. Da es eine Kleinste-Quadrate-Anpassung an die Konturpunkte ist, stimmt sie nicht mit den Werten aus den Regionsmomenten überein (30x70-Rechteck: region (40,41, 17,31, 0,0) gegenüber xld (44,53, 16,99, 0,0018)).

★Bis 2026-09-26 wurde ein einzelner Skalar zurückgegeben, das Verhältnis kleine/große Achse (docs/hardening/dimensional-features-were-normalised.md).

a und b werden nicht verwendet. Hat keine Kontur 5 oder mehr Punkte, wird 0 (ein Skalar) zurückgegeben. Benötigt cv2.

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_features

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.

threshold 0.50 0.50
sk_find_contours 0.50 0.50
elliptic_axis_xld 0.50 0.50

▸ Diese Pipeline laden · Laden & ausführen

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

• gallery2d_features — py -3.11 examples/gallery2d_features.py

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

identity

Gleiche Kategorie (`features`)

effective_bit_depth · blob_count · area_frac · count_contours · total_length · vol_count · sk_euler · sk_entropy_feat

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

elliptic_axis_xld — 2D features op