photometry op• データ種: image2d × keypoints → table
• 呼び出し: import astrostack; astrostack.psf_fit(image, centers, model='gaussian', box=11, max_iter=200) (または opsastrostack.get("psf_fit"))
星像に PSF を当てはめて中心と FWHM を出す。
*model* `"gaussian"` は楕円ガウシアン
`bkg + amp * exp(-((dr/sr)^2 + (dc/sc)^2)/2)` の 6 パラメータ当てはめで、
真円度(`roundness = min(sr,sc)/max(sr,sc)`)が副産物として出る ——
追尾誤差や風で伸びた星像はここに出る。`"moffat"` は円対称の
`bkg + amp * (1 + r^2/alpha^2)^(-beta)(Moffat 1969)で、beta` も
自由パラメータ。最小二乗は :func:scipy.optimize.least_squares
(Trust Region Reflective)で、初期値は 2 次モーメントから作る決定的な値
—— 乱数を使わないので同じ入力なら同じ答え。
FWHM は当てはめたパラメータからの閉形式:
ガウシアンは `2 sqrt(2 ln 2) * sqrt(sr*sc)`(幾何平均)、Moffat は
`2 alpha sqrt(2^(1/beta) - 1)`。
画素の箱のぶんだけ、必ず太く出る。 ここが当てはめているのは*連続の*
ガウシアンだが、画像の各画素は連続分布を 1 画素の箱で積分した値である。
一様な幅 1 の箱の分散は `1/12` なので、返る sigma は真の sigma ではなく
`sqrt(sigma^2 + 1/12)` になる —— これは推定の誤差ではなく**画像がそう
できている**ということ。実測はこの予測とよく合う::
真の FWHM 予測 = 2.3548*sqrt(sigma^2+1/12) 実測(中央値)
2.5 2.5908 2.5930
3.5 3.5654 3.5625
5.0 5.0460 5.0145
真の sigma が欲しければ `sqrt(sigma_fit^2 - 1/12)` と引けばよいが、
既定では引かない —— 星の測定で普通に言う「FWHM」は画像上の見た目の
幅であり、黙って補正を入れると他の道具の値と合わなくなる。
Returns 各星 1 つの dict の `list(table` 語彙)。キーは
`row / col(当てはめた中心)、fwhm_px、amplitude`、
`background、roundness、rms(残差 RMS)、converged`(bool)、
`model、そして model 依存の sigma_row_px / sigma_col_px`
または `alpha_px / beta`。窓が画像からはみ出す星、当てはめが
収束しなかった星も落とさずに `converged=False` で返す
—— 黙って消すと「星が減った」ことに誰も気づけない。
Raises `ValueError: *model* が :data:PSF_MODELS` にない /
*box* が 5 未満または偶数 / *centers* が `(N, 2)` でない場合。
• サンプルデータ カタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。
• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。
• astro_stacking — py -3.11 examples/astro_stacking.py
table を入力に取れる)—
photometry)star_detect · aperture_photometry
*Provenance: astrostack.py — ASTROSTACK operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.