featmatch op• Data kinds: image2d → table
• Call: import fullseye as fs; fs.ledger.features_sift(image, n_octaves=None, n_scales=3, sigma=1.6, contrast_threshold=0.04, edge_threshold=10.0, max_features=2000, double_image=True) (to call the implementation directly, import featmatch; featmatch.features_sift(image, n_octaves=None, n_scales=3, sigma=1.6, contrast_threshold=0.04, edge_threshold=10.0, max_features=2000, double_image=True); from the registry, opsmatchreg.get("features_sift"))
• GPU: none (CPU reference implementation only)
SIFT keypoints and 128-dimensional descriptors (DoG extrema, Lowe 2004). → table (kind="features").
> The detailed description below is the original text — the summary and the headings are translated.
DoG(ガウスの差)のスケール空間で 3×3×3 の極値を探し、2 次の当てはめで副画素・副スケールへ詰め、低コントラスト(|D| * n_scales < contrast_threshold、画像は [0, 1] の尺度)と稜線(ヘッセ行列の固有値比が edge_threshold 超)を捨てる。向きは勾配の 36 ビンの山(最大の 0.8 倍以上の山ごとに 1 点、同じ位置に複数の向きが出る)、記述子は 4×4 のマス × 8 方向。
座標の約束: xy は原画像の (x, y) 画素(画素の中心が整数)。double_image=True の拡大は標本点 i/2 の双線形なので、拡大後の座標の半分がちょうど原画像の座標になる(OpenCV の拡大は画素中心の扱いが違い、点が約 0.25 px ずれる —— 位置を直接比べるときの注意)。
実測(256×256 の synthetic_scene、tests/test_featmatch.py が固定): 90 度回転の対でホモグラフィの 4 隅誤差 < 0.5 px、0.5 倍の縮小で < 1.5 px、OpenCV の SIFT(5.0)と同じ対で 4 隅誤差が同じ桁。
限界: 記述子の組み立てはキーポイントごとの Python ループ(2000 点で数秒)。アフィン不変ではない(強い遠近では壊れる。features_accuracy_table で条件ごとに測れる)。
Args:
image: 2-D の濃淡画像(値の尺度は [0, 1] を想定。コントラストのしきい値がこの尺度)。
n_octaves: オクターブ数。None なら log2(min(H, W)) - 3(最低 1)。
n_scales: 1 オクターブあたりの尺度の数(Lowe の s、既定 3)。
sigma: 土台の σ(既定 1.6)。原画像は σ=0.5 のぼけを持つと仮定する。
contrast_threshold: 低コントラストを捨てるしきい値(既定 0.04)。
edge_threshold: 稜線を捨てる固有値比 r(既定 10)。
max_features: 応答の強い順に残す上限。
double_image: 最初に 2 倍へ拡大するか(既定 True、小さな特徴が拾える)。
Returns:
dict(kind="features", detector="sift")。xy (N,2) / scale (N,) [px] /
angle (N,) [度] / response (N,) / octave (N,) / descriptors (N,128) float32 /
descriptor_kind="float" / image_shape。
Raises:
ValueError: 2-D でない / 16 px 未満 / 非有限 / 定数画像 / 引数が値域外。
• matching_registration family guide
• Sample-data catalog (download URLs / licences) — 2-D uses skimage.data (BSD/public domain) plus synthetic images; 3-D lists download URLs for real data sources (Stanford, PDS, …).
• Operator provenance and references — the sources of the research/methods this op family came from.
• The canonical algorithm (author, year) and its uses are named in the family usage guide above.
• poc_part_locate_features — py -3.11 examples/poc_part_locate_features.py
table as input)features_match · ransac_homography · ransac_fundamental · registration_to_flow2d
featmatch)features_orb · features_match · ransac_homography · ransac_fundamental · features_accuracy_table
*Provenance: featmatch.py — MATCHREG operator registry. This per-op note is generated by tools/opdocs.py md (do not hand-edit).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.