iv_gradient_inpaint — 2D `restoration` op

• 数据种类:image → image

• 调用:fullseye.apply(img, "iv_gradient_inpaint", a=0.5, b=0.5)(2-D 的模型是一张图 + 两个标量旋钮 a,b∈[0,1])

iv_gradient_inpaint: 入力 → 出力

*图为在 128×128 合成输入上实际运行的输出。左为输入，右为输出(非图像的返回值直接显示其值)。*

用法

对中央被遮罩窗口进行调和（拉普拉斯）图像修复（inpainting）。以 `a 决定边长比例的居中窗口，其内部被舍弃，并通过求解 nabla^2 u = 0（Dirichlet 边界条件等于周围已知像素）来重新填充（雅可比松弛法 = 反复用每个被遮罩像素的 4 邻域均值替换该像素）。恢复出的内部是该空洞的最平滑（最小梯度）填充。a 设定窗口大小；b` 被忽略。

详细使用指南

• gallery2d_smoothing_rank 族使用指南

参考(示例数据・文献)

• 示例数据目录(下载 URL / 许可证) —— 2-D 用 skimage.data(BSD/公有领域)加合成图,3-D 给出真实数据源(Stanford/PDS 等)的下载 URL。

• 算子来历与参考文献 —— 该算子族所依据的研究/方法出处。

• 算法的正典(作者・年份)与用途见上面的族使用指南。

在 Studio 中试试

下面的程序已确认可以运行(与图相同的输入)。在 Studio 帮助中，此块会变成按钮，可当场加载并运行。

iv_gradient_inpaint 0.50 0.50

▸ Load this pipeline · Load & run

可运行的示例(实际调用该算子并已验证的样例)

• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

类型可衔接的下一个算子(可接受 `image` 作为输入)

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

同类别(`restoration`)

xsk_inpaint · xsk_richardson_lucy · xsk_unwrap_phase · xcv_inpaint · xsk2_wiener · xcv3_inpaint_ns · iv_richardson_lucy · iv_wiener_deconv_spatial

*Provenance: ops.py — 2D 算子登记表。本条目由 tools/opdocs.py md 自动生成(请勿手工编辑)。*

iv_gradient_inpaint — 2D restoration op

用法