trimmed_mean — 2D `rank` op

• 데이터 종류: image → image

• 호출: fullseye.apply(img, "trimmed_mean", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)

• HALCON 대응: trimmed_mean(의미·매개변수는 HALCON 레퍼런스가 참고가 됩니다)

trimmed_mean: 入力 → 出力

*그림은 128×128 합성 입력에서 실제로 실행한 출력. 왼쪽이 입력, 오른쪽이 출력(이미지가 아닌 반환값은 값 자체를 표시).*

사용법

20 백분위수와 80 백분위수 필터 결과의 평균을 반환함으로써 절사평균을 근사한다. 이상값(최소·최대 쪽)의 영향을 제거한 평균에 가까운 값이 되지만, 진정한 "중앙 60%를 평균"하는 절사평균과는 계산 방법이 다른 근사라는 점에 주의해야 한다. HALCON의 `trimmed_mean`(Smooth an image with an arbitrary rank mask.)의 대역이다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

`a が窓の一辺を {3,5,7,9} で振る。b` は未使用(トリム比率は 20/80

に固定)。

자세한 사용 가이드

• gallery2d_smoothing_rank 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

Studio에서 시도하기

아래 프로그램은 실제로 실행됨을 확인했습니다(그림과 같은 입력). Studio 도움말에서는 이 블록이 버튼이 되어 즉시 불러와 실행할 수 있습니다.

trimmed_mean 0.50 0.50

▸ Load this pipeline · Load & run

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

타입이 이어지는 다음 연산자(`image` 를 입력으로 받는 것)

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

같은 카테고리(`rank`)

median · min_filter · max_filter · percentile · sk_median_disk · cv_median · median_image · median_rect

*Provenance: ops.py — 2D 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

trimmed_mean — 2D rank op

사용법