photometry opimage2d × keypoints → tableimport fullseye as fs; fs.ledger.psf_fit(image, centers, model='gaussian', box=11, max_iter=200) (実装を直接呼ぶなら import astrostack; astrostack.psf_fit(image, centers, model='gaussian', box=11, max_iter=200)、台帳から引くなら opsastrostack.get("psf_fit"))星像に PSF を当てはめて中心と FWHM を出す。
model "gaussian" は楕円ガウシアン
bkg + amp * exp(-((dr/sr)^2 + (dc/sc)^2)/2) の 6 パラメータ当てはめで、
真円度(roundness = min(sr,sc)/max(sr,sc))が副産物として出る ——
追尾誤差や風で伸びた星像はここに出る。"moffat" は円対称の
bkg + amp * (1 + r^2/alpha^2)^(-beta)(Moffat 1969)で、beta も
自由パラメータ。最小二乗は :func:scipy.optimize.least_squares
(Trust Region Reflective)で、初期値は 2 次モーメントから作る決定的な値
—— 乱数を使わないので同じ入力なら同じ答え。
FWHM は当てはめたパラメータからの閉形式:
ガウシアンは 2 sqrt(2 ln 2) * sqrt(sr*sc)(幾何平均)、Moffat は
2 alpha sqrt(2^(1/beta) - 1)。
画素の箱のぶんだけ、必ず太く出る。 ここが当てはめているのは連続の
ガウシアンだが、画像の各画素は連続分布を 1 画素の箱で積分した値である。
一様な幅 1 の箱の分散は 1/12 なので、返る sigma は真の sigma ではなく
sqrt(sigma^2 + 1/12) になる —— これは推定の誤差ではなく画像がそう
できているということ。実測はこの予測とよく合う::
真の FWHM 予測 = 2.3548*sqrt(sigma^2+1/12) 実測(中央値)
2.5 2.5908 2.5930
3.5 3.5654 3.5625
5.0 5.0460 5.0145
真の sigma が欲しければ sqrt(sigma_fit^2 - 1/12) と引けばよいが、
既定では引かない —— 星の測定で普通に言う「FWHM」は画像上の見た目の
幅であり、黙って補正を入れると他の道具の値と合わなくなる。
Returns 各星 1 つの dict の list(table 語彙)。キーは
row / col(当てはめた中心)、fwhm_px、amplitude、
background、roundness、rms(残差 RMS)、converged(bool)、
model、そして model 依存の sigma_row_px / sigma_col_px
または alpha_px / beta。窓が画像からはみ出す星、当てはめが
収束しなかった星も落とさずに converged=False で返す
—— 黙って消すと「星が減った」ことに誰も気づけない。
Raises ValueError: model が :data:PSF_MODELS にない /
box が 5 未満または偶数 / centers が (N, 2) でない場合。
py -3.11 examples/astro_stacking.pypy -3.11 examples/poc_star_astrometry.pytable を入力に取れる)—
photometry)star_detect · aperture_photometry
Provenance: astrostack.py — ASTROSTACK 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.