k 值（Sigmoid 敏感度）

位置：代码_update_display 方法中，控制 sigmoid 映射曲线的陡峭程度。

公式：display = 255 / (1 + exp(-(x - μ) / (k × σ / 4)))

其中 μ 为冠层内指数值的均值，σ 为标准差。k 出现在分母的 spread 项中，k 越大则 spread 越大、sigmoid 越平缓。

物理含义：k 控制指数图像的黑白对比度。k=0.1 时曲线近乎阶跃函数——μ 两侧的像素被分别推向纯黑和纯白，丢失中间灰阶但反差极大；k=1.0 时为正常 S 形过渡，灰阶丰富；k=5.0 时曲线几乎线性，大量像素聚集在中灰区，画面低反差。默认值 1.0，范围 0.1–5.0，由界面左上角 k 滑块调节。

总结为一句话：k 是"你要的动态范围有多大"。k 小→黑白分明，k 大→灰阶柔和。

w 值（空间先验权重）

位置：代码_update_display 和 _run_detection 中，控制边界邻近度加权的强度。

前置概念——边界邻近度 (prox)：对冠层二值掩码做欧氏距离变换，得到每个像素到最近边界的距离 dist，取冠层内距离分布的 30% 分位数为 σ，prox = exp(-dist/σ)。边缘像素 dist≈0→prox≈1.0，深处像素 dist 大→prox≈0。

公式：spatial_factor = 1 − w + w × prox

物理含义：新叶和芽头天然生长于冠层外围末端——这是一个可靠的形态学先验。w 决定了"你有多相信这个先验"。w=0 时 spatial_factor 恒为 1.0，所有像素等权，完全不用空间信息；w=1 时 spatial_factor = prox，内部深处像素完全抹黑，仅边缘保留亮度。默认值 0.5，即内部像素得分压缩到边缘的 50%。w 越大→非边缘区域越暗→新叶芽头越突出。

也总结为一句话：w 是"你有多相信新叶长在冠层边缘"。w=0→全图等权；w=1→只看边缘。

Invert（方向翻转）

位置：代码_update_display 和 _run_detection 中，由界面 Invert 复选框触发。

前置概念——自动方向检测：植被指数分为两类。比值归一化型（如 ExG）消掉了亮度，新叶/芽头可能在数值低端（因为 RGB 三通道都高，绿占比反而下降）；亮度保留型（如 Green intensity）中芽头天然在高端。软件通过 _detect_new_leaf_direction 自动判断——比较冠层边缘 top 5% 和内部 bottom 50% 的中位数，边缘中位数≥内部→new=high 方向，否则 new=low 方向。

手动翻转的作用：当自动方向检测判断反了时，指数图中新叶区域会呈现"阴影状"——本该亮的区域变暗。这是天然的视觉提示。勾选 Invert 将 z_dir 取反，纠正方向错误，使芽头重新映射到亮端。值 = True/False，由界面 Invert 复选框控制。

总结：自动方向判断可能反——看到叶片阴影就勾 Invert 翻转回来。

Contrast（灰度阈值偏移）

核心思想：直接移植 label_tool 的手动灰度阈值原理，但将其自动化。label_tool 的做法极其简单——将彩色原图转灰度图，手动拖滑块找一个阈值，灰度值高于阈值的是新叶（亮），低于的是老叶（暗）。Contrast 滑块把这个思路变成一个可调的自动参数。

计算步骤：

第一步——灰度图计算。从原始彩色图像计算每个像素的标准灰度值：

gray = 0.299×R + 0.587×G + 0.114×B

芽头嫩绿反光强→灰度值高（约 180–220）；茎秆木质化暗沉→灰度值低（约 50–120）；成熟老叶深绿→灰度值居中（约 80–160）。这是物理事实，不依赖任何指数公式。

第二步——Otsu 自动找分界。对冠层内所有像素的灰度值应用大津法（Otsu），自动找到亮像素和暗像素的最佳分割点 gray_otsu。这个值完全由数据驱动，无需人工指定。

第三步——滑块偏移。 Otsu 的自然分界是一个参考点，但实际使用时需要调节严格程度：

cutoff = gray_otsu + (cl − 0.5) × 160

cl=0.5 时 cutoff = gray_otsu，即 Otsu 原始分界；cl=0 时 cutoff 下移 80 个灰度级，门槛更低→更多像素被判为"亮"→宽检测；cl=1 时 cutoff 上移 80 个灰度级，门槛更高→只有最亮的芽头像素通过→精检测。

第四步——软阈值掩码。不做硬二值化（亮/暗），而是用 sigmoid 生成平滑过渡：

soft_mask = 1 / (1 + exp(−(gray − cutoff) / 5))

灰度远高于 cutoff 的像素→mask≈1（完全保留指数图亮度）；灰度远低于 cutoff 的→mask≈0（被压暗到 25%）；灰度在 cutoff 附近的→mask 在 0~1 之间平滑过渡，避免生硬边界。

第五步——叠加到指数图。在原版 sigmoid 指数图上乘以掩码：

final = sigmoid_index_image × (0.25 + 0.75 × soft_mask)

非新叶区域最低保留 25% 亮度——不会完全黑掉，保持指数图的整体可读性，但明显暗于新叶区域。