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)

anisotropic_diffusion: 入力 → 出力

*Die Abbildung ist die tatsächliche Ausgabe auf einer synthetischen 128×128-Eingabe. Links Eingabe, rechts Ausgabe (ein Nicht-Bild-Rückgabewert wird als Wert gezeigt).*

Verwendung

Anisotrope Diffusion vom Perona-Malik-Typ. Die Pixeldifferenzen in den vier Richtungen (oben/unten/links/rechts) werden mit einer gaußförmigen Leitfähigkeitsfunktion `exp(-(delta/K)^2) multipliziert und iterativ addiert -- eine kantenerhaltende Glättung, die in Richtungen mit einer Differenz größer als Schwellenwert K (= eine Kante) nicht diffundiert und nur in Richtungen mit kleiner Differenz (= flach) glättet. Entspricht HALCONs anisotropic_diffusion` (Perform an anisotropic diffusion of an image.).

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

`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.

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.