xmh_haar — 2D `transform` op

• データ種: image → image

• 呼び出し: fullseye.apply(img, "xmh_haar", 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)

xmh_haar: 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

Haar ウェーブレット変換(`mahotas.haar`)。画像を偶数サイズに切り詰めてから変換し、結果の係数配列(近似/水平/垂直/対角の各サブバンドが元画像と同じ大きさの配列に詰め込まれた、Matlab 風の in-place レイアウト)をそのまま min-max 正規化して画像として見せる。

分解レベルは 1 段固定。`a, b` は未使用。値そのものは復元可能な画像ではなく係数の可視化であることに注意。

詳しい使い方ガイド

• gallery2d_geometry 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。

xmh_haar 0.50 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_geometry — py -3.11 examples/gallery2d_geometry.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(`transform`)

xmh_daubechies · tf_radon_sinogram

*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)。*

xmh_haar — 2D transform op

使い方