intensityreg op• Data kinds: image2d × image2d → table
• Call: import fullseye as fs; fs.ledger.register_ecc(fixed, moving, motion='affine', n_iter=200, eps=1e-06, warp_init=None, levels=1, smooth_sigma=1.1, nonpositive='raise', min_rho=0.0) (implementation को सीधे call करना हो तो import intensityreg; intensityreg.register_ecc(fixed, moving, motion='affine', n_iter=200, eps=1e-06, warp_init=None, levels=1, smooth_sigma=1.1, nonpositive='raise', min_rho=0.0), registry से लेना हो तो opsmatchreg.get("register_ecc"))
• GPU: नहीं (केवल CPU reference implementation)
Enhanced correlation coefficient (ECC) को अधिकतम करने वाले parametric transform से moving को fixed पर मिलाता है। → table (kind="registration")।
> नीचे का विस्तृत विवरण मूल text में है — सारांश और headings का अनुवाद हो चुका है।
Evangelidis & Psarakis(2008)の前向き加法の反復: 毎回 moving と勾配を今の変換で標本化し、急降下画像 G = ∇I · ∂W/∂p(平均を引く)とゼロ平均の 2 枚から、相関係数の 2 次近似の最大へ Δp を解く。相関係数は明るさのアフィンな違い(利得とずれ)に不変 —— 負の利得(白黒の反転) や折り返しのある対応には効かない(分母が 0 以下になったら ValueError。それには register_mi)。
motion: "translation"(2)/ "euclidean"(3、回転 + 並進)/ "affine"(6)/ "homography"(8)。levels > 1 で粗から細のピラミッド(OpenCV の findTransformECC には無い追加。初期のずれの許容が広がる —— register_capture_range で測れる)。
実測(96×96 の featmatch.synthetic_scene、3 次スプラインで合成、tests/test_intensityreg.py
が固定): 並進 (2.5, -1.5) px の誤差 < 0.05 px、アフィンの 4 隅誤差 < 0.1 px、OpenCV 5.0 の findTransformECC と変換の差 < 0.05 px。
Args:
fixed: 基準(テンプレート)の 2-D 画像。
moving: 合わせる 2-D 画像(大きさは違ってよい)。
motion: ECC_MOTIONS。
n_iter: 段ごとの反復の上限。
eps: 相関係数の変化がこれ未満で収束。
warp_init: 初期の変換(2×3 / 3×3、fixed → moving)。None なら恒等。
levels: ピラミッドの段数(1 = 原寸だけ、None なら最も粗い段が 16 px 以上で最大 3 段)。
smooth_sigma: 前処理のガウスの σ [px] (OpenCV の gaussFiltSize=5 は σ ≈ 1.1)。0 で無し。
nonpositive: 相関の 2 次近似の分母が 0 以下になったとき(初期値が遠い・撮像が違う)。"raise"
(既定、OpenCV と同じく ValueError)/ "step"(相関を正へ戻す λ を選んで続ける。初期のずれの
許容が広がることがある —— register_capture_range で測れる)。
min_rho: 収束した相関係数がこれ未満なら ValueError("step" で白黒反転の組を「合った」と
返さないための床)。
Returns:
dict(kind="registration", method="ecc")。warp (3,3) / flow2d (2,H,W) の
(dy, dx) / warped(fixed の格子へ戻した moving、外側は 0)/ valid / valid_fraction /
metric_name="ecc_rho" / metric(返す warp での相関係数)/ iterations / converged /
history(反復ごとの、その反復の更新前の warp の相関。反復の上限で止まったときは
history[-1] は返す warp の値ではなく metric と違いうる)/ model / image_shape。
Raises:
ValueError: 画像が不正 / motion が違う / 引数が値域外 / 初期の変換が特異 / 反復が発散 /
テンプレートが画像の外へ出た / 相関が負で ECC が定義できない(nonpositive="raise")/
収束した相関が min_rho 未満。
• matching_registration family guide
• Sample data catalog (DL URL / license) — 2-D के लिए skimage.data (BSD/public) + synthetic, 3-D के लिए real data sources (Stanford/PDS आदि) के DL URL।
• Operators का स्रोत और संदर्भ — इस op family के मूल research/methods के स्रोत।
• Algorithm का मानक स्रोत (लेखक, वर्ष) और उपयोग ऊपर की family usage guide में दिए गए हैं।
• poc_multimodal_mi_registration — py -3.11 examples/poc_multimodal_mi_registration.py
table को input के रूप में लेते हैं)features_match · ransac_homography · ransac_fundamental · registration_to_flow2d
intensityreg)register_mi · register_ffd · registration_to_flow2d · register_accuracy_map · register_capture_range
*Provenance: intensityreg.py — MATCHREG operator registry. यह per-op note tools/opdocs.py md से अपने-आप generate होता है (हाथ से edit न करें)।*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.