piv_line_integral_convolution — PIV `visualise` op

• Datenarten: flow2d → image2d

• Aufruf: import pivops; pivops.piv_line_integral_convolution(flow, length=12, upsample=4, seed=0) (oder opspiv.get("piv_line_integral_convolution"))

Verwendung

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

線積分畳み込み(LIC)—— 流れに沿って白色雑音をぼかした模様の画像。

ベクトルの矢印は密にすると潰れ、疎にすると構造を見落とす。LIC は画素ごと

に流線に沿って雑音を平均するので、密度の選択が要らない。向きの情報は落ちる

(前後を区別しない)ので、回転の向きを見たいときは矢印か色相図と併用する。

Args:

flow: `(2, h, w)`。

length: 流線に沿って積分する片側の歩数。長いほど滑らかになるが、

渦の芯のような曲率の大きい場所では構造が伸びて嘘になる。

upsample: 出力の解像度倍率(格子は粗いので拡大してから積分する)。

seed: 白色雑音の種。

Returns:

`(h * upsample, w * upsample)` float64、値域 [0, 1]。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie piv_displacement

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)

• (noch keine)

Typkompatible Folge-Operatoren (nehmen `image2d` als Eingabe)

piv_cross_correlate · piv_multipass · piv_deform_pass · strain_from_displacement · correlation_quality · speckle_quality

Gleiche Kategorie (`visualise`)

piv_flow_to_rgbimage

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

piv_line_integral_convolution — PIV visualise op