fullseye
xsk2_multiotsu — 2D segmentation op
- データ種:
image→image - 呼び出し:
fullseye.apply(img, "xsk2_multiotsu", 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)
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。点群は上から見た散布(明るさ = z)、1-D 列は折れ線、体積は z 方向の最大値投影、動画は中央フレーム、複素画像は振幅、絵にならない返り値は値そのもの。
つまみ a を振る(0.1 / 0.5 / 0.9、もう一方は既定):
つまみ b は出力を変えない(実測: 0.1 / 0.5 / 0.9 で同一)。
別の画像でも(合成シーン / 写真 / 硬貨。上段が入力、下段がその出力。つまみは既定):
4 列目はカラー (H,W,3) の入力。この op は色を跨がずに扱える(色チャネルを 3 本目の空間軸として畳み込まない)。
使い方
大津の判別分析法（Otsu’s method）を多値に拡張した多値大津法で階調を
量子化する。skimage.filters.threshold_multiotsu を使う。
a はクラス数を 3 または 4 に切り替える（3 + int(a > 0.5)）。
5 クラス以上は実装していない——多値大津はしきい値の全探索コストが
bins ** (classes - 1) で増えるため、実測（128x128）で 3 クラス
0.0008 秒に対し 5 クラスは 2.435 秒（3239 倍）かかり、進化ループ 1 世代
だけで実行が止まって見えるほど遅い（画像サイズにはほぼ依らない）。
4 クラスなら 0.025 秒に収まる。b は未使用。しきい値で量子化した後
(cls-1) で割って [0,1] に正規化する。
値の比較可能性(実測): 出力をその画像の最大値で正規化している(出力の最大が常に 1.0、入力を定数倍しても出力が変わらない)。したがって画像をまたいで値を比較できない —— 同じ強さの特徴でも、その画像の中で最も強い特徴が何かによって値が変わる。弱い特徴しか無い画像では雑音が 1.0 まで持ち上がる。画像間で比べたいときは、共通の基準で割り直すこと。
詳しい使い方ガイド
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。
xsk2_multiotsu 0.50 0.50
実行できる例(この op を実際に呼ぶ検証済みサンプル)
- gallery2d_segmentation —
py -3.11 examples/gallery2d_segmentation.py - poc_mri_bias_field —
py -3.11 examples/poc_mri_bias_field.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(segmentation)
threshold · otsu · canny · adaptive_gauss_thresh · sk_otsu · sk_li · sk_yen · sk_sauvola
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)。
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.