gauss_filter — 2D `smoothing` op

• Datenarten: image → image

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

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

gauss_filter: 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

Glättung durch Gauß-Weichzeichnung (`scipy.ndimage.gaussian_filter, Sigma 0.3+2.7*a). Ein Ersatz für HALCONs gauss_filter` (Smooth using discrete Gauss functions.) -- HALCON verwendet einen diskreten Gauß-Kern (Ganzzahlarithmetik), diese Implementierung dagegen einen kontinuierlichen Gauß-Kern via scipy; es ist eine Näherung, aber die Ergebnisse liegen sehr nah beieinander.

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

`a がシグマを 0.3〜3.0 の範囲で振る。b` は未使用。実装は

`gauss_image` と同一。

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.

gauss_filter 0.35 0.50

▸ Load this pipeline · Load & run

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

• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

• poc_cell_counting — py -3.11 examples/poc_cell_counting.py

• poc_document_scan — py -3.11 examples/poc_document_scan.py

• poc_focus_stacking — py -3.11 examples/poc_focus_stacking.py

• poc_gear_tooth_metrology — py -3.11 examples/poc_gear_tooth_metrology.py

• poc_sea_ice_concentration — py -3.11 examples/poc_sea_ice_concentration.py

• poc_solar_limb_darkening — py -3.11 examples/poc_solar_limb_darkening.py

• poc_vessel_network — py -3.11 examples/poc_vessel_network.py

• poc_white_balance — py -3.11 examples/poc_white_balance.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).*

gauss_filter — 2D smoothing op