tb_keypoints_to_image2d — 2D `typed` op

• データ種: keypoints → image

• 呼び出し: fullseye.apply(img, "tb_keypoints_to_image2d", a=0.5, b=0.5) (2-D は 1 画像 + 2 スカラつまみ a,b∈[0,1] のモデル)

画像座標 `(N,2) = (u, v) → 計数画像 (H, W)。keypoints` の 2 つ目の出口。

`round(v) を行、round(u)` を列として 1 ずつ加算する。**画素格子への

量子化が損失**で、:func:keypoints_from_image2d と往復すると位置が

最大 0.5 画素ずれる(よく離れた 225 点での実測: 軸あたり RMS 0.2835 px =

一様量子化の理論値 1/sqrt(12) = 0.2887 と一致。2-D 距離では sqrt(2) 倍の

0.4009 px で、理論 sqrt(2/12) = 0.4082)。

★ここも一度間違えた: 2-D 距離の実測を 1-D の理論値と並べて「0.29 のはずが

0.40 だ」と読みかけた —— 軸ごとの量と距離の量を混ぜると、正しい実装が

誤っているように見える。

近接した点は連結成分として融合するので、往復で点数も減りうる

(実測: 60 点をランダムに置くと 54 点)。

範囲外の点は黙って捨てない —— 捨てると「検出が減った」のか

「画像が小さすぎた」のかが区別できなくなる。

Args:

keypoints: (N, 2) の (u, v)。

shape: (H, W)。

Returns:

(H, W) float64 の計数画像。

Raises:

ValueError: 形状不正 / 非有限 / 範囲外の点がある / shape が上限超。

2-D 進化レジストリへ橋渡しした reprconv の op `keypoints_to_image2d。実装は同じで、呼び出し規約だけ op(v, a, b) に合わせてある。この op に調整点は無く、a も b` も使われない。

• 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。

• (まだありません)

*Provenance: ops.py — 2D 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)。*

tb_keypoints_to_image2d — 2D typed op