fullseye
hx_fit_circle_contour — 2D halcon_ext op
- データ種:
contour→feature - 呼び出し:
fullseye.apply(img, "hx_fit_circle_contour", a=0.5, b=0.5)(2-D は 1 画像 + 2 スカラつまみa,b∈[0,1]のモデル) - HALCON 相当:
fit_circle_contour_xld(意味・パラメータは HALCON リファレンスが参考になる)
図は合成の入力 128×128 で実際に走らせた出力。左が入力、右が出力。点群は上から見た散布(明るさ = z)、1-D 列は折れ線、体積は z 方向の最大値投影、動画は中央フレーム、複素画像は振幅、絵にならない返り値は値そのもの。
つまみ a は出力を変えない(実測: 0.1 / 0.5 / 0.9 で同一)。
つまみ b は出力を変えない(実測: 0.1 / 0.5 / 0.9 で同一)。
段階(前置きの op → この op。左から順):
使い方
Kåsa 代数法で contour 点に円を当て、フィット残差(RMS)を返す(小=円に近い)。
全 contour の点をまとめ、Kåsa の代数法([x, y, 1]·sol = x^2 + y^2 を最小二乗で解き、中心
(sol0/2, sol1/2)、半径 sqrt(sol2 + cx^2 + cy^2))で円を当て、各点の中心からの距離と半径の差の RMS を
max(H, W) で割って 1 で頭打ちした np.float64 で返す。円のパラメータ自体は返さない。
a,bは未使用。- 点が 3 個未満なら 0.0(完全な円と区別できない)。半径の根号の中が負になれば半径 0 として扱う。
代数法は幾何学的な距離の最小化ではないので、円弧が短い(角度範囲が狭い)点群や外れ値では半径が偏る。
ほぼ直線上の点群では最小ノルム解の半径が非常に大きくなり、残差は小さく出る(直線が「大きな円」に見える)。
円らしさの判定には hx_regress_contours と併用して直線を除く。包含円の半径は hx_smallest_circle_xld。
詳しい使い方ガイド
参考(サンプルデータ・文献)
- サンプルデータ カタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
- 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。
- アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。
Studio で試す
下のプログラムは実際に走ることを確かめてある(図と同じ入力)。Studio のヘルプではこのブロックがボタンになり、その場で読み込んで実行できる。
threshold 0.50 0.50
sk_find_contours 0.50 0.50
hx_fit_circle_contour 0.50 0.50
実行できる例(この op を実際に呼ぶ検証済みサンプル)
- gallery2d_halcon_ext —
py -3.11 examples/gallery2d_halcon_ext.py
型が繋がる次の op(feature を入力に取れる)
同カテゴリ(halcon_ext)
hx_gen_circle · hx_gen_ellipse · hx_gen_rectangle2 · hx_gen_checker_region · hx_gen_grid_region · hx_gabor · hx_fit_surface1 · hx_fit_surface2
Provenance: ops.py — 2D operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.