xcv3_sift_count — 2D `features` op

• 데이터 종류: image → feature

• 호출: fullseye.apply(img, "xcv3_sift_count", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)

사용법

SIFT 특징점 수(OpenCV `cv2.SIFT_create().detect`). 이미지에서 검출된 스케일 불변 특징점(SIFT keypoints)의 개수를 feature로 반환한다 —— 텍스처의 복잡함/매칭에 쓸 수 있는 특징점의 풍부함을 나타내는 지표가 된다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

`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。

자세한 사용 가이드

• gallery2d_features 패밀리 가이드

참고(샘플 데이터·문헌)

• 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.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• gallery2d_features — py -3.11 examples/gallery2d_features.py

타입이 이어지는 다음 연산자(`feature` 를 입력으로 받는 것)

identity

같은 카테고리(`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).*

xcv3_sift_count — 2D features op

사용법