tf_steerable_filter — 2D `edges` op

• Datenarten: image → image

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

tf_steerable_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

steerable_filter: gerichtete Antwort der ersten Ableitung einer Gauß-Funktion.

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

The steerable G1 basis: the derivative of a Gaussian at orientation

`theta = a*pi is cos(theta)*Gx + sin(theta)*Gy` where Gx, Gy are the

x/y partial derivatives of the Gaussian-smoothed image. `b` sets the

Gaussian sigma. The signed response is mapped to [0,1] (0.5 = zero), so its

deviation from 0.5 peaks on edges whose gradient matches `theta`.

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_edges

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.