keypoints_to_image2d — REPRCONV `keypoint` op

• 데이터 종류: keypoints → image2d

• 호출: import reprconv; reprconv.keypoints_to_image2d(keypoints, shape=(64, 64))(또는 opsreprconv.get("keypoints_to_image2d"))

이미지 좌표 `(N,2) = (u, v) → 계수 이미지 (H, W). keypoints` 의 두 번째 출구.

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

`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。

• 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.

• representation_roundtrip — py -3.11 examples/representation_roundtrip.py

*Provenance: reprconv.py — REPRCONV 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

keypoints_to_image2d — REPRCONV keypoint op