contour_fourier_complex — SHAPE2D `descriptor` op

• 数据种类:pairs → matrix

• 调用: import fullseye as fs; fs.ledger.contour_fourier_complex(points, n_harmonics=None, parametrisation='index')(要直接调用实现,import fourierdesc; fourierdesc.contour_fourier_complex(points, n_harmonics=None, parametrisation='index');从台账取用则 opsshape2d.get("contour_fourier_complex"))

• GPU:无(仅 CPU 参考实现)

用法

将闭合轮廓转换为复傅里叶级数的系数 —— z(t) = Σ c_k exp(2πi k t)。

论据：

点：(N,2) 个闭合轮廓顶点。（行，列）顺序（与fourierdesc相同）。

n_harmonics：剩余阶数K(|k| <= K)。 “无”直至可表示的最大值。

参数化：“index”=使点索引成为等距参数/

“arclength” = 弧长并在转换之前以相等的间隔重新输入。

返回值：通常为“(2K+1, 3)”，或“(2K, 3)”的实数数组(“矩阵”)，以保留偶数点至奈奎斯特度。该行是“[k，Re c_k，Im c_k]” “k” 是“0, 1, -1, 2, -2, …”（从低频）。

★这个操作的关键不是默默地决定如何获取参数变量。采样不均匀使用“索引”读取轮廓会为点密集的区域分配额外的时间，图片相似，但系数不同（实际上，“k=3”的系数相差47倍）。默认是"index"（FFT的基本含义），但是如果你用它作为形状描述，选择“弧长”。

★★如果选择arclength''，轮廓将在op内部重新绘制，因此返回的系数将是写入重绘轮廓而不是传递的数组。因此 contour_fourier_truncation_energy 预测“重绘轮廓” 它是严格的，当调用者使用手头的数组测量误差时，它不匹配（实际测量：512点，偏差为1.15）。如果您想精确预测手头的数组，首先重新输入弧长用"index" 来称呼它。

★重置弧长不是幂等的：由于标本是用绳子绑在一起的，所以弧长的轮廓已经相等。再次将点移动到 3.73 px（平均 0.84 px），并将长度额外增加 3.25% 收缩。不要拨打两次。

详细使用指南

• shape_description_2d 族使用指南

参考(示例数据、文献)

• 示例数据目录(下载 URL / 许可证) —— 2-D 用 skimage.data(BSD/公有领域)加合成图,3-D 给出真实数据源(Stanford/PDS 等)的下载 URL。

• 算子来历与参考文献 —— 该算子族所依据的研究/方法出处。

• 算法的正典(作者、年份)与用途见上面的族使用指南。

可运行的示例(实际调用该算子并已验证的样例)

• poc_one_stroke_epicycles — py -3.11 examples/poc_one_stroke_epicycles.py

类型可衔接的下一个算子(可接受 `matrix` 作为输入)

contour_epicycle_chain · contour_fourier_truncation_energy

同类别(`descriptor`)

elliptic_fourier · reconstruct · invariants · normalize · descriptor_distance · fourier_smooth · from_xld · fit_circle_xld

*Provenance: fourierdesc.py — SHAPE2D 算子登记表。本条目由 tools/opdocs.py md 自动生成(请勿手工编辑)。*

contour_fourier_complex — SHAPE2D descriptor op

用法