fullseye
続いて分野別の展示室です。医学・考古学・生物学・宇宙・古生物学・地質学・気象学・海洋学・植物学 ―― どの分野の画像にも、同じ op 体系がそのまま刺さることを見てもらうコーナーです。ここから先のキャプション表記は上と同じルール（実データは出典リンク、AI 生成は明記）です。
古生物学
↑ アンモナイト化石（Smithsonian Open Access, CC0）の螺旋を canny で抽出。使用 op: rgb1_to_gray, canny, overlay_mask。
↑ ティラノサウルス生体復元の皮膚テクスチャを std_filter / texture_laws で解析。素材は AI 生成（gemini-2.5-flash-image）の模擬データ（実在の標本ではありません）。
↑ トリケラトプス生体復元を multi-Otsu で領域分類。素材は AI 生成の模擬データ。使用 op: xsk2_multiotsu, colorize_labels。
↑ 羽毛恐竜の羽毛の流れを Gabor フィルタで解析。素材は AI 生成の模擬データ。使用 op: sk_gabor, std_filter。
↑ アンモナイト断面の対数螺旋を FFT スペクトルで観察。素材は AI 生成の模擬データ。使用 op: cv_clahe, cx_fft, cx_magnitude。
↑ 三葉虫の体節を gray_tophat で浮き彫り強調。素材は AI 生成の模擬データ。
宇宙
↑ カリーナ星雲（NASA/STScI Webb, public domain）のフィラメント構造を、本来は血管強調用の sk_frangi で抽出。医学の op が天文に刺さる例。
↑ 火星の砂丘（NASA/JPL-Caltech/Univ. of Arizona, public domain）のテクスチャを std_filter / texture_laws で解析。
↑ 渦巻銀河（NASA GSFC, public domain）の周波数構造を cx_fft で可視化。
医学（このブロックはすべて AI 生成の模擬データです）
↑ 胸部X線風画像を cv_clahe + sobel_amp で強調・エッジ抽出。AI 生成の模擬データ（実在の患者・スキャンではありません）。
↑ H&E 組織切片風画像を multi-Otsu で組織構造分類。AI 生成の模擬データ。
↑ 脳 MRI 風画像を cv_clahe + unsharp で組織コントラスト強調。AI 生成の模擬データ。
↑ 血液塗抹風画像の血球を分割・計数（検出数 131）。AI 生成の模擬データ。使用 op: segment_objects(otsu), colorize_labels。
↑ 解剖図風イラストの輪郭を canny で抽出。AI 生成の模擬データ。
生物学
↑ 神経細胞蛍光像の樹状突起を sk_frangi でトレース。AI 生成の模擬データ。
↑ 珪藻顕微鏡像を分割・計数（検出数 123）。AI 生成の模擬データ。
↑ 深海生物の暗部を cv_clahe で増強。AI 生成の模擬データ。
↑ 蝶の翅の鱗粉の周期構造を sk_gabor で解析。AI 生成の模擬データ。
考古学
↑ アンフォラ（メトロポリタン美術館 Open Access, CC0）のシルエットを楕円フーリエ記述子（EFD）で形状復元。2 → 8 → 32 高調波と増やすほど輪郭に吸い付いていく ―― 考古学の土器形状分類で実際に使われる手法です。使用 op: otsu, fourierdesc.elliptic_fourier, fourierdesc.reconstruct。
↑ アッシリアの石碑レリーフ（メトロポリタン美術館, CC0）の彫刻を gray_tophat で浮き彫り強調。
↑ 洞窟壁画の消えかけた顔料を decorrelation stretch（岩絵調査の定番 DStretch と同系の手法）で強調。AI 生成の模擬データ。使用 op: principal_comp。
↑ 楔形文字粘土板の文字刻印を gray_tophat で強調。AI 生成の模擬データ。
地質学・気象学・海洋学・植物学
↑ 衛星画像（NASA JSC, public domain）の岩相を decorrelation stretch（リモートセンシングの定番）で強調。
↑ アメジスト結晶のファセット稜線を canny で抽出。AI 生成の模擬データ。
↑ 岩石薄片（偏光顕微鏡風）を multi-Otsu で鉱物粒子に分類。AI 生成の模擬データ。
↑ ハリケーン（NASA JSC, public domain）の渦構造を勾配方向ホイール（sobel_dir + colorize_flow）で可視化。
↑ スーパーセル積乱雲を cv_clahe + unsharp で構造強調。AI 生成の模擬データ。
↑ サンゴ礁を multi-Otsu で被覆分類（海洋調査風）。AI 生成の模擬データ。
↑ シダの葉脈を sk_frangi で抽出。AI 生成の模擬データ。
↑ 花粉 SEM 風画像を分割・計数（検出数 41）。AI 生成の模擬データ。
この 41 展示のうち、実データにはすべて出典とライセンス（詳細な帰属表はACADEMIC_ATTRIBUTION.md）を、AI 生成には全点にその旨を付けました。おまけをひとつ ―― この「多様な実データを流す」作業は、それ自体がバグ発見器でもありました。合成データでは表面化しなかった op の不具合が実データで 5 件見つかり、公開前にすべて修正済みです（発見の経緯と回帰テストは docs/KNOWN_ISSUES.md）。きれいな展示の裏で、テストにもなっている ―― という一石二鳥でした。