features op• 데이터 종류: image → feature
• 호출: fullseye.apply(img, "cv_good_features", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)
Shi-Tomasi 방법에 의한 고품질 코너 검출(단일 스칼라 특징량, OpenCV 구현). cv_min_eigen과 같은 최소 고유값 기준으로 코너다움을 평가하고, 비최대 억제와 최소 거리 필터로 솎아낸 상위 코너를 검출한다 —— 여기서는 검출된 개수만을 반환한다(0개면 0).
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
HALCON に直接対応するものは無い。実装は `cv2.goodFeaturesToTrack(v, maxCorners=int(10+40*a), qualityLevel=0.01+0.1*b, minDistance=5)` —— a は検出上限数を 10〜50 に、b は品質しきい値(最強コーナーに対する相対比。大きいほど厳しく絞り込まれ検出数が減る)を 0.01〜0.11 に振る。最小距離は 5 画素に固定。
• 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.
• gallery2d_features — py -3.11 examples/gallery2d_features.py
feature 를 입력으로 받는 것)features)blob_count · area_frac · count_contours · total_length · vol_count · sk_euler · sk_entropy_feat · sk_blur_effect
*Provenance: ops.py — 2D 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.