xcv3_sift_count — 2D `features` op

• Datenarten: image → feature

• Aufruf: fullseye.apply(img, "xcv3_sift_count", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])

Verwendung

SIFT-Merkmalspunktanzahl (OpenCV `cv2.SIFT_create().detect`). Gibt als Feature die Anzahl der im Bild erkannten skaleninvarianten Merkmalspunkte (SIFT-Keypoints) zurück — ein Indikator für die Texturkomplexität / den Reichtum an für das Matching nutzbaren Merkmalspunkten.

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

`a は検出上限数 nfeatures(int(50+450*a) で 50〜500)を振る —— 上限に達するまでは実際の検出数がそのまま返るので、上限に張り付いていないか確認が要る。b` は未使用。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_features

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• gallery2d_features — py -3.11 examples/gallery2d_features.py

Typkompatible Folge-Operatoren (nehmen `feature` als Eingabe)

identity

Gleiche Kategorie (`features`)

blob_count · area_frac · count_contours · total_length · vol_count · sk_euler · sk_entropy_feat · sk_blur_effect

*Provenance: ops.py — 2D Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

xcv3_sift_count — 2D features op