phase_correlation_shift — FIT registration op

• 데이터 종류: image2d × image2d → table

• 호출: import fullseye as fs; fs.ledger.phase_correlation_shift(image1, image2, window: 'str | None' = 'hann', whitening: 'float' = 0.5, method: 'str' = 'upsample', upsample_factor: 'int' = 100) -> 'dict'(구현을 직접 호출하려면 import filters_freq; filters_freq.phase_correlation_shift(image1, image2, window: 'str | None' = 'hann', whitening: 'float' = 0.5, method: 'str' = 'upsample', upsample_factor: 'int' = 100) -> 'dict', 원장에서 가져오려면 opsfit.get("phase_correlation_shift"))

• GPU: 없음(CPU 참조 구현만)

사용법

위상 한정 상관으로 두 영상 정렬에 필요한 서브픽셀 이동량을 구합니다.

기본값 method=upsample은 NumPy만 사용하여 whitening이 적용된 주기 FFT 봉우리 주변 1.5픽셀 범위를 행렬곱 국소 DFT로 세분화합니다(upsample_factor=100). method=parabola는 더 빠르지만 정수 격자 쪽으로 약 0.166 px 편향됩니다. 진리 게이트의 Hann 유/무 오차는 업샘플링 0.010/0.010 px, 포물선 0.166/0.172 px이며 NumPy 결과는 scikit-image와 0.01 px 이내로 일치합니다. Guizar-Sicairos, Thurman & Fienup(2008), doi:10.1364/OL.33.000156을 따릅니다. image2=shift(image1,d)이면 결과는 약 -d입니다. dy, dx, 봉우리와 봉우리 비를 반환하며 상대적으로 텍스처가 없는 영상은 거부합니다.

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.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• fit_ops_from_knowhow — py -3.11 examples/fit_ops_from_knowhow.py

타입이 이어지는 다음 연산자(table 를 입력으로 받는 것)

—

같은 카테고리(registration)

—

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

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.