featmatch op• 데이터 종류: image2d → table
• 호출: import fullseye as fs; fs.ledger.features_orb(image, n_features=1000, n_levels=8, scale_factor=1.2, fast_threshold=0.08, harris_k=0.04)(구현을 직접 호출하려면 import featmatch; featmatch.features_orb(image, n_features=1000, n_levels=8, scale_factor=1.2, fast_threshold=0.08, harris_k=0.04), 원장에서 가져오려면 opsmatchreg.get("features_orb"))
• GPU: 없음(CPU 참조 구현만)
ORB 특징점과 256비트 이진 기술자(Rublee et al. 2011). → table(kind="features").
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
縮小の段(scale_factor ずつ n_levels 段)ごとに FAST-9 の角(features.fast_corners を再利用)を拾い、Harris の応答で順位をつけて段ごとの割り当て数だけ残す。向きは半径 15 の円の輝度重心(Rosin 1999)、記述子はガウス(σ=2)でならした像の上で、向きに合わせて回した 256 組の明暗比較。
★学習した rBRIEF の対の表は使わない(乱数で固定した対 = steered BRIEF)。OpenCV の ORB の記述子とはビット単位で一致しない。比べられるのは「照合して推定したホモグラフィの誤差」まで。
座標は原画像の (x, y)(段の座標 × 段の倍率)。scale は段の倍率 × 31(パッチの一辺)。
Args:
image: 2-D の濃淡画像([0, 1] の尺度。fast_threshold がこの尺度)。
n_features: 全段の合計の上限(段ごとの割り当ては面積に比例する等比数列)。
n_levels: 段の数。
scale_factor: 段の縮小率(> 1)。
fast_threshold: FAST の明暗差のしきい値(既定 0.08 ≈ 20/255)。
harris_k: Harris の k。
Returns:
dict(kind="features", detector="orb")。descriptors は (N,32) uint8
(256 bit を詰めたもの)、descriptor_kind="binary"。他の鍵は features_sift と同じ。
Raises:
ValueError: 2-D でない / 16 px 未満 / 非有限 / 定数画像 / 引数が値域外(scale_factor <= 1 など)。
• matching_registration 패밀리 가이드
• 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.
• poc_part_locate_features — py -3.11 examples/poc_part_locate_features.py
table 를 입력으로 받는 것)features_match · ransac_homography · ransac_fundamental · registration_to_flow2d
featmatch)features_sift · features_match · ransac_homography · ransac_fundamental · features_accuracy_table
*Provenance: featmatch.py — MATCHREG 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.