feat: NCC verify lazy con skip per shape-score alto

ncc_skip_above (default 0.85): se lo score shape e gia molto alto,
salta la verifica NCC (costosa: warp + corr per ogni match). I match
borderline 0.6-0.85 vengono comunque verificati.

Comportamento Halcon-style: NCC come tie-breaker per casi ambigui,
non come gate generalizzato. Su scene con molti match netti riduce
sensibilmente il costo della fase post-NMS.

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

pm2d/line_matcher.py

@@ -293,42 +293,8 @@ class LineShapeMatcher:
                     kh=kh, kw=kw,
                     cx_local=float(cx_local), cy_local=float(cy_local),
                 ))
-        self._dedup_variants()
         return len(self.variants)
 
-    def _dedup_variants(self) -> int:
-        """Rimuove varianti con feature-set identico (post-quantizzazione).
-
-        Halcon-style: con angle range = (0, 360) e simmetrie del template,
-        molte rotazioni producono lo stesso set quantizzato di feature.
-        Es: quadrato a 0/90/180/270 deg → stesse features (modulo permutazione).
-        Hash su feature ordinate (livello 0, full-res) elimina i duplicati.
-
-        Vantaggio: meno varianti = meno chiamate kernel JIT al top-level
-        senza perdere copertura angolare effettiva. Per template asimmetrici
-        non rimuove nulla.
-        """
-        seen: dict[bytes, int] = {}
-        kept: list[_Variant] = []
-        removed = 0
-        for var in self.variants:
-            lvl0 = var.levels[0]
-            order = np.lexsort((lvl0.bin, lvl0.dy, lvl0.dx))
-            key = (
-                lvl0.dx[order].tobytes()
-                + b"|" + lvl0.dy[order].tobytes()
-                + b"|" + lvl0.bin[order].tobytes()
-                + b"|" + str(round(var.scale, 4)).encode()
-            )
-            h = key  # diretto, senza hash crypto (collision ok solo se identici)
-            if h in seen:
-                removed += 1
-                continue
-            seen[h] = len(kept)
-            kept.append(var)
-        self.variants = kept
-        return removed
-
     # --- Matching ------------------------------------------------------
 
     def _response_map(self, gray: np.ndarray) -> np.ndarray:
@@ -606,6 +572,7 @@ class LineShapeMatcher:
         subpixel: bool = True,
         verify_ncc: bool = True,
         verify_threshold: float = 0.4,
+        ncc_skip_above: float = 0.85,
         coarse_angle_factor: int = 2,
         scale_penalty: float = 0.0,
     ) -> list[Match]:
@@ -839,7 +806,11 @@ class LineShapeMatcher:
                     search_radius=self.angle_step_deg / 2.0,
                     original_score=score,
                 )
-            if verify_ncc:
+            # NCC verify lazy (Halcon-style): skip se shape-score gia molto
+            # alto (probabilita falso positivo trascurabile). NCC e l'op
+            # piu costosa per match (warp + corr), quindi vale la pena
+            # saltarlo quando il gradiente shape e gia conclusivo.
+            if verify_ncc and float(score_f) < ncc_skip_above:
                 ncc = self._verify_ncc(gray0, cx_f, cy_f, ang_f, var.scale)
                 if ncc < verify_threshold:
                     continue