sk_tv_bregman — 2D `smoothing` op

• データ種: image → image

• 呼び出し: fullseye.apply(img, "sk_tv_bregman", a=0.5, b=0.5) (2-D は 1 画像 + 2 スカラつまみ a,b∈[0,1] のモデル)

sk_tv_bregman: 入力 → 出力

*図は合成の入力 128×128 で実際に走らせた出力。左が入力、右が出力(絵にならない返り値は値そのもの)。*

使い方

全変動ノイズ除去(TV denoising、Split-Bregman 法)。sk_tv と同じ TV正則化の考え方だが最適化アルゴリズムが異なり(Bregman 分割法)、収束が速いとされる。

HALCON に直接対応するものは無い。実装は `restoration.denoise_tv_bregman(v, weight=1.0+8.0*a) を [0,1] へ clip したもの —— a は weight を 1.0〜9.0 に振るが、この関数の weight は**小さいほど強く平滑化される**(sk_tv の weight とは符号の向きが逆 —— denoise_tv_chambolle は大きいほど強く、denoise_tv_bregman` は小さいほど強い。混同すると意図と逆方向に a を動かすことになるので注意)。b は未使用。

詳しい使い方ガイド

• gallery2d_smoothing_rank ファミリガイド

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

Studio で試す

下のプログラムは実際に走ることを確かめてある(図と同じ入力)。Studio のヘルプではこのブロックがボタンになり、その場で読み込んで実行できる。

sk_tv_bregman 0.35 0.50

▸ Load this pipeline · Load & run

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

型が繋がる次の op(`image` を入力に取れる)

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

同カテゴリ(`smoothing`)

gaussian · mean_box · bilateral · unsharp · sk_tv · sk_wavelet · sk_rolling_ball · sk_nlm

*Provenance: ops.py — 2D operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

sk_tv_bregman — 2D smoothing op

使い方