merge: fix UCS match + feature pre-computate

Bug visibili da screenshot:
1. UCS match diverso da UCS anteprima modello (centro pose vs baricentro)
2. Numero feature disegnate < di quelle anteprima modello

Cause:
1. Match UCS era posto su (cx, cy) = centro template, mentre l'anteprima
   modello mostra UCS sul baricentro feature (mean fx, fy).
2. _draw_matches estraeva feature dal template warpato → re-quantizza
   gradient su immagine warp+interp, perdendo precisione vs feature
   pre-computate del matcher.

Fix:
- Match.variant_idx: nuovo field con indice variante usata dal find()
- _draw_matches usa lvl0.dx/dy/bin pre-computati invece di re-estrarre:
  * applica delta-rotation (m.angle_deg - var.angle_deg) per refine
    sub-step
  * proietta in scene coords intorno a (m.cx, m.cy)
  * stesso identico set di feature dell'anteprima modello (modulo
    rotazione+traslazione)
- UCS match calcolato sul baricentro delle feature warpate, non su
  (cx, cy) → coerente con UCS anteprima

Fallback (variant_idx == -1, es. ricetta caricata da save_model
prima di questo commit): usa estrazione warpata legacy.

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

pm2d/line_matcher.py

@@ -127,6 +127,7 @@ class Match:
     scale: float
     score: float
     bbox_poly: np.ndarray  # (4, 2) float32 - 4 vertici ordinati (ruotato)
+    variant_idx: int = -1  # indice variante usata (per overlay coerente)
 
 
 @dataclass
@@ -1863,6 +1864,7 @@ class LineShapeMatcher:
                 scale=var.scale,
                 score=score_f,
                 bbox_poly=poly,
+                variant_idx=int(vi),
             ))
             if len(kept) >= max_matches:
                 break

pm2d/web/server.py

@@ -131,23 +131,102 @@ def _encode_png(img: np.ndarray) -> bytes:
 
 
 def _draw_matches(scene: np.ndarray, matches: list[Match],
-                   template_gray: np.ndarray | None) -> np.ndarray:
+                   template_gray: np.ndarray | None,
+                   matcher: "LineShapeMatcher | None" = None) -> np.ndarray:
+    """Disegna match annotati sulla scena.
+
+    Se matcher e' passato, usa la stessa pipeline di edge filtering
+    (hysteresis weak/strong_grad) e selezione feature usata in training,
+    cosi' l'overlay nel match riflette ESATTAMENTE quello che l'utente
+    ha visto nel preview "Anteprima edge". Inoltre disegna UCS
+    (asse X rosso, Y verde) sul centro pose del match.
+
+    Senza matcher: fallback Canny (legacy).
+    """
     out = scene.copy()
     H, W = scene.shape[:2]
     palette = [
         (0, 255, 0), (0, 200, 255), (255, 100, 100), (255, 200, 0),
         (200, 0, 255), (100, 255, 200), (255, 0, 0), (0, 255, 255),
     ]
+    bin_colors = [
+        (255, 0, 0), (255, 128, 0), (255, 255, 0), (0, 255, 0),
+        (0, 255, 255), (0, 128, 255), (0, 0, 255), (255, 0, 255),
+        (255, 100, 100), (255, 180, 100), (255, 230, 100), (180, 255, 100),
+        (100, 255, 200), (100, 180, 255), (180, 100, 255), (255, 100, 200),
+    ]
     for i, m in enumerate(matches):
         color = palette[i % len(palette)]
-        if template_gray is not None:
+        # Posizione UCS: baricentro feature warpate (default = cx, cy se non disponibile).
+        # Mantiene coerenza con anteprima modello che mostra UCS sul baricentro.
+        ucs_x, ucs_y = float(m.cx), float(m.cy)
+        if template_gray is not None and matcher is not None:
             t = template_gray
             th, tw = t.shape
-            edge = cv2.Canny(t, 50, 150)
             cx_t = (tw - 1) / 2.0; cy_t = (th - 1) / 2.0
             M = cv2.getRotationMatrix2D((cx_t, cy_t), m.angle_deg, m.scale)
             M[0, 2] += m.cx - cx_t
             M[1, 2] += m.cy - cy_t
+            # Background edge filtrati: warpa template + hysteresis
+            warped_gray = cv2.warpAffine(
+                t, M, (W, H), flags=cv2.INTER_LINEAR, borderValue=0)
+            mag, _ = matcher._gradient(warped_gray)
+            if matcher.weak_grad < matcher.strong_grad:
+                edge_mask = matcher._hysteresis_mask(mag)
+            else:
+                edge_mask = mag >= matcher.strong_grad
+            if edge_mask.any():
+                bg_overlay = np.zeros_like(out)
+                dark = tuple(int(c * 0.35) for c in color)
+                bg_overlay[edge_mask] = dark
+                out = cv2.addWeighted(out, 1.0, bg_overlay, 0.7, 0)
+            # Feature reali del matcher: usa quelle pre-computate della
+            # variante che ha generato il match. Stesse identiche feature
+            # mostrate nell'anteprima modello (ruotate/scalate alla pose).
+            vi = getattr(m, "variant_idx", -1)
+            fx_scene = fy_scene = fb_arr = None
+            if 0 <= vi < len(matcher.variants):
+                lvl0 = matcher.variants[vi].levels[0]
+                # dx/dy sono offsets relativi al CENTRO del template warpato
+                # nelle coordinate del kernel template (gia' pre-ruotate
+                # all'angolo della variante grezza). Per coerenza con la
+                # pose finale m.angle_deg (post-refine), ri-rotazione del
+                # delta angolare (m.angle_deg - var.angle_deg).
+                var = matcher.variants[vi]
+                dang = np.deg2rad(m.angle_deg - var.angle_deg)
+                ca, sa = np.cos(dang), np.sin(dang)
+                dxr = lvl0.dx * ca + lvl0.dy * sa
+                dyr = -lvl0.dx * sa + lvl0.dy * ca
+                fx_scene = m.cx + dxr
+                fy_scene = m.cy + dyr
+                fb_arr = lvl0.bin
+            else:
+                # Fallback: estrai feature dal warpato (perde precisione)
+                _, bins_w = matcher._gradient(warped_gray)
+                fx, fy, fb = matcher._extract_features(mag, bins_w, None)
+                fx_scene = fx.astype(np.float32)
+                fy_scene = fy.astype(np.float32)
+                fb_arr = fb
+            # Disegna feature
+            for k in range(len(fx_scene)):
+                px = int(round(float(fx_scene[k])))
+                py = int(round(float(fy_scene[k])))
+                if 0 <= px < W and 0 <= py < H:
+                    bcol = bin_colors[int(fb_arr[k]) % len(bin_colors)]
+                    cv2.circle(out, (px, py), 2, bcol, -1, cv2.LINE_AA)
+            # UCS sul baricentro feature (in scene coords)
+            if len(fx_scene) > 0:
+                ucs_x = float(np.mean(fx_scene))
+                ucs_y = float(np.mean(fy_scene))
+        elif template_gray is not None:
+            # Senza matcher: legacy Canny
+            t = template_gray
+            th, tw = t.shape
+            cx_t = (tw - 1) / 2.0; cy_t = (th - 1) / 2.0
+            M = cv2.getRotationMatrix2D((cx_t, cy_t), m.angle_deg, m.scale)
+            M[0, 2] += m.cx - cx_t
+            M[1, 2] += m.cy - cy_t
+            edge = cv2.Canny(t, 50, 150)
             warped = cv2.warpAffine(edge, M, (W, H),
                                      flags=cv2.INTER_NEAREST, borderValue=0)
             mask = warped > 0
@@ -155,20 +234,34 @@ def _draw_matches(scene: np.ndarray, matches: list[Match],
                 overlay = np.zeros_like(out)
                 overlay[mask] = color
                 out[mask] = (0.3 * out[mask] + 0.7 * overlay[mask]).astype(np.uint8)
-        poly = m.bbox_poly.astype(np.int32).reshape(-1, 1, 2)
+        # bbox poly e linea-marker rimossi (richiesta utente "togli la ROI"):
-        cv2.polylines(out, [poly], True, color, 2, cv2.LINE_AA)
+        # UCS + edge filtrati gia' identificano pose e orientamento.
-        p0 = tuple(m.bbox_poly[0].astype(int))
+        cx, cy = int(round(ucs_x)), int(round(ucs_y))
-        p1 = tuple(m.bbox_poly[1].astype(int))
+        # UCS sul centro pose match (richiesta utente: come nell'anteprima
-        cv2.line(out, p0, p1, color, 4, cv2.LINE_AA)
+        # modello). Asse X rosso destra, Y verde basso (image y-down).
-        cx, cy = int(round(m.cx)), int(round(m.cy))
+        # Lunghezza derivata dalla diagonale bbox per scala-invariante.
-        cv2.drawMarker(out, (cx, cy), color, cv2.MARKER_CROSS, 22, 2, cv2.LINE_AA)
         L = int(np.linalg.norm(m.bbox_poly[1] - m.bbox_poly[0])) // 2
-        a = np.deg2rad(m.angle_deg)
+        if L < 10:
-        cv2.arrowedLine(out, (cx, cy),
+            L = 30  # fallback se bbox degenere
-                        (int(cx + L * np.cos(a)), int(cy - L * np.sin(a))),
+        ax = np.deg2rad(m.angle_deg)
-                        color, 2, cv2.LINE_AA, tipLength=0.2)
+        # X axis ruotato (rosso)
+        x_end = (int(cx + L * np.cos(ax)), int(cy - L * np.sin(ax)))
+        cv2.arrowedLine(out, (cx, cy), x_end,
+                        (0, 0, 255), 2, cv2.LINE_AA, tipLength=0.2)
+        cv2.putText(out, "X", (x_end[0] + 4, x_end[1] + 5),
+                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 1, cv2.LINE_AA)
+        # Y axis perpendicolare (verde, +90° in image coords = giu' visivo)
+        y_end = (int(cx + L * np.cos(ax + np.pi / 2)),
+                 int(cy - L * np.sin(ax + np.pi / 2)))
+        cv2.arrowedLine(out, (cx, cy), y_end,
+                        (0, 255, 0), 2, cv2.LINE_AA, tipLength=0.2)
+        cv2.putText(out, "Y", (y_end[0] + 4, y_end[1] + 12),
+                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1, cv2.LINE_AA)
+        # Origine UCS: cerchio bianco con bordo nero
+        cv2.circle(out, (cx, cy), 4, (0, 0, 0), -1, cv2.LINE_AA)
+        cv2.circle(out, (cx, cy), 3, (255, 255, 255), -1, cv2.LINE_AA)
         label = f"#{i+1} {m.angle_deg:.0f}d s={m.scale:.2f} {m.score:.2f}"
-        cv2.putText(out, label, (cx + 8, cy - 8),
+        cv2.putText(out, label, (cx + 12, cy - 12),
                     cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2, cv2.LINE_AA)
     return out
 
@@ -511,7 +604,7 @@ def match(p: MatchParams):
 
     # Render annotated image
     tg = cv2.cvtColor(roi_img, cv2.COLOR_BGR2GRAY)
-    annotated = _draw_matches(scene, matches, tg)
+    annotated = _draw_matches(scene, matches, tg, matcher=m)
     ann_id = _store_image(annotated)
 
     return MatchResp(
@@ -588,7 +681,7 @@ def match_simple(p: SimpleMatchParams):
     t_find = time.time() - t0
 
     tg = cv2.cvtColor(roi_img, cv2.COLOR_BGR2GRAY)
-    annotated = _draw_matches(scene, matches, tg)
+    annotated = _draw_matches(scene, matches, tg, matcher=m)
     ann_id = _store_image(annotated)
 
     return MatchResp(
@@ -864,7 +957,7 @@ def match_recipe(p: RecipeMatchParams):
     )
     t_find = time.time() - t0
     tg = m.template_gray if m.template_gray is not None else np.zeros((1, 1), np.uint8)
-    annotated = _draw_matches(scene, matches, tg)
+    annotated = _draw_matches(scene, matches, tg, matcher=m)
     ann_id = _store_image(annotated)
     return MatchResp(
         matches=[MatchResult(