points_lepetit — MV `detect` op

• 資料種類:image2d → keypoints

• 呼叫: import fullseye as fs; fs.ledger.points_lepetit(image, radius=3, check_neighbor=1, min_check_neighbor_diff=0.06, min_score=0.2, subpix=True)(要直接呼叫實作,import mvimage; mvimage.points_lepetit(image, radius=3, check_neighbor=1, min_check_neighbor_diff=0.06, min_score=0.2, subpix=True);從台帳取用則 opsmv.get("points_lepetit"))

• HALCON 對應:points_lepetit(其含義與參數可參考 HALCON 手冊)

• GPU:無(僅 CPU 參考實作)

用法

比較圓周上相對的兩點來偵測關注點（Lepetit–Fua 偵測器）。

> 以下的詳細說明為原文 —— 摘要與標題已翻譯。

中心の灰色値に近い向かい合う 2 点が円周のどこかにあれば、そこを通る直線が伸びていると見なして落とす。残った画素を、円周の 2 階差分の総和(離散ラプラシアンの近似)で採点し、半径 radius の窓の極大だけを残す。subpix が真なら応答の放物線で小数の位置へ寄せる。灰色の範囲は [0, 1] を想定するので、min_check_neighbor_diff と min_score はその尺度で渡す。平らな画像は空の点列を返す。空の入力(image が 0 要素)は ValueError。

Args:

image: (H, W) の画像。

radius: 比較する円の半径(画素、>= 1)。

check_neighbor: 円周で左右に何点まで一緒に比べるか(>= 0)。

min_check_neighbor_diff: 「近い」と見なす灰色の差の上限。

min_score: 応答(円周平均の 2 階差分の絶対値)の下限。

subpix: 位置を小数へ寄せるか。

Returns:

(N, 2) の (row, col)。応答の強い順。

出典: V. Lepetit and P. Fua, IEEE Trans. PAMI 28(9), 1465-1479 (2006), doi:10.1109/TPAMI.2006.188。

詳細使用指南

• machine_vision_classics 族使用指南

參考(範例資料、文獻)

• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。

• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。

• 演算法的正典(作者、年份)與用途見上面的族使用指南。

可執行的範例(實際呼叫該運算子並已驗證的樣例)

• machine_vision_tour — py -3.11 examples/machine_vision_tour.py

型別可銜接的下一個運算子(可接受 `keypoints` 作為輸入)

get_grayval_contour_xld · get_circle_pose · gen_nurbs_interp

同類別(`detect`)

create_ncc_model · find_ncc_models

*Provenance: mvimage.py — MV 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*

points_lepetit — MV detect op

用法