perf: piramide al training, refinement sub-step, multithreading

LineShapeMatcher:
- Feature piramidate precomputate al training (_LevelFeatures per livello
  piramide, dedup risolto una volta)
- Refinement angolare: 5 offset ±step/2 + parabolic fit → precisione ~0.5°
  con angle_step=5° (10x fine rispetto a step training)
- Subpixel posizione: parabolic fit 2D sul picco → frazione pixel
- Multithreading: n_threads auto=CPU-1, parallelizza top-level pruning e
  full-res matching tramite ThreadPoolExecutor (numpy/cv2 rilasciano GIL)

GUI:
- Dialog edit_params con bottone Auto-tune
- Legenda numerata match con pallino colore (#i, coords, angle, scala, score)
- Hotkey finestra: r=params, o=nuovo ROI, m=nuovo modello, s=nuova scena
- Pannello con train/find time + HOTKEY in basso

auto_tune.py:
- Analisi template: soglie grad da percentili, num_features da densità
  edge, pyramid_levels da min_side, min_score da entropia orientation,
  rilevazione simmetria rotazionale (soglia 0.75 NCC su magnitude)

Benchmark clip.png (13 istanze, 72 varianti angolari):
  prima: 5.84s, precisione 5° (step training)
  ora:   1.67s, precisione ~0.5°, subpixel posizione
  speed-up: 3.5x, precisione angolare 10x

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

pm2d/matcher.py

@@ -16,6 +16,8 @@ from dataclasses import dataclass
 import cv2
 import numpy as np
 
+from pm2d.line_matcher import _oriented_bbox_polygon
+
 
 @dataclass
 class Match:
@@ -26,7 +28,7 @@ class Match:
     angle_deg: float # rotazione [0, 360)
     scale: float     # fattore scala (1.0 = template originale)
     score: float     # similarità NCC [0, 1]
-    bbox: tuple[int, int, int, int]  # x, y, w, h del template ruotato/scalato
+    bbox_poly: np.ndarray  # (4, 2) float32 - vertici bbox orientato
 
 
 @dataclass
@@ -67,6 +69,7 @@ class EdgeShapeMatcher:
         self.top_score_factor = top_score_factor
         self.templates: list[Template] = []
         self.template_size: tuple[int, int] = (0, 0)  # w, h originale
+        self.template_gray: np.ndarray | None = None
 
     @staticmethod
     def _to_gray(img: np.ndarray) -> np.ndarray:
@@ -96,6 +99,7 @@ class EdgeShapeMatcher:
         gray = self._to_gray(template_bgr)
         h, w = gray.shape
         self.template_size = (w, h)
+        self.template_gray = gray.copy()
         edge_orig = self._edges(gray)
         mask_orig = np.full((h, w), 255, dtype=np.uint8)
 
@@ -249,20 +253,23 @@ class EdgeShapeMatcher:
         # NMS spaziale baricentri
         kept: list[Match] = []
         r2 = nms_radius * nms_radius
+        tw0, th0 = self.template_size
         for score, x, y, ti in refined:
             tpl = self.templates[ti]
             cx = x + tpl.cx_local
             cy = y + tpl.cy_local
             if any((k.cx - cx) ** 2 + (k.cy - cy) ** 2 < r2 for k in kept):
                 continue
-            th, tw = tpl.edge.shape
+            poly = _oriented_bbox_polygon(
+                cx, cy, tw0 * tpl.scale, th0 * tpl.scale, tpl.angle_deg,
+            )
             kept.append(
                 Match(
                     cx=cx, cy=cy,
                     angle_deg=tpl.angle_deg,
                     scale=tpl.scale,
                     score=score,
-                    bbox=(x, y, tw, th),
+                    bbox_poly=poly,
                 )
             )
             if len(kept) >= max_matches: