> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/german/funktionsblocke/blocks-reference/ai-blocks/match-anything-eloftr.md).

# Match Anything (ELOFTR)

Dieser Funktionsblock führt Keypoint-Matching zwischen zwei Bildern durch und liefert die abgeglichenen Keypoints sowie Vertrauenswerte (Scores). Optional kann er die Matches als Visualisierungsbild (annotiertes Bild) zeichnen, um die Ergebnisse schnell zu inspizieren.

## 📥 Eingänge

`Image A` Das erste Bild für das Matching.

`Image B` Das zweite Bild für das Matching.

## 📤 Ausgänge

`Visualization` Ein annotiertes Bild mit markierten Keypoints und Verbindungslinien (wird nur erzeugt, wenn dieser Ausgang verbunden ist).

`Keypoints A` Liste der Keypoint-Koordinaten, die in `Image A` erkannt wurden.

`Keypoints B` Liste der Keypoint-Koordinaten, die in `Image B` erkannt wurden.

`Scores` Vertrauenswerte (Confidence Scores) für jedes Keypoint-Paar.

## 🕹️ Steuerungen

`Show Matches` Umschalter, um Linien zwischen übereinstimmenden Keypoints im `Visualization`-Bild zu zeichnen.

`Threshold` Schieberegler zum Festlegen des Matching-Schwellenwerts (0–100). Höhere Werte filtern Matches mit niedrigerer Confidence aus.

## 🎯 Funktionen

* Führt Keypoint-Matching zwischen zwei Bildern durch und liefert pro Match einen Confidence-Score.
* Optionaler visueller Output, der die Bilder kombiniert und Keypoints sowie Verbindungslinien zeichnet.
* Mit dem Threshold-Regler lässt sich die Balance zwischen Präzision und Recall einstellen.
* Nutzt verfügbare Hardware (CPU oder GPU) für die Ausführung, sofern unterstützt.

## 📝 Ablauf

* Verbinden Sie zwei Bilder mit `Image A` und `Image B`.
* Der Block berechnet Matching-Keypoints und zugehörige Scores zwischen den Bildern.
* Wenn der Ausgang `Visualization` verbunden ist, wird ein annotiertes Bild mit Keypoints und optionalen Verbindungslinien erzeugt.
* `Keypoints A`, `Keypoints B` und `Scores` liefern Listen, die von nachgelagerten Blöcken weiterverarbeitet werden können.

## 💡 Tipps und Tricks

* Verwenden Sie `Image Resize` vor diesem Block, um beide Bilder auf vergleichbare Größen zu bringen und stabilere Matches zu erzielen.
* Bei niedrigauflösenden Bildern können Vorverarbeitungen wie `Super Resolution` die Qualität der Keypoints verbessern.
* Um das Ergebnis visuell zu prüfen, verbinden Sie `Visualization` mit einem `Show Image`-Block für eine Vollbildanzeige.
* Mit `Image ROI Select` können Sie das Matching auf eine Region of Interest beschränken und so fehlerhafte Matches aus irrelevanten Bereichen reduzieren.
* Exportieren Sie die gematchten Keypoints und Scores mit `Data to JSON` oder `CSV Export` zur Protokollierung oder weiteren Analyse.
* Kombinieren Sie mit `Image Logger`, um Visualisierungen automatisch zu speichern, wenn Matches eine gewünschte Bedingung erfüllen.

## 🛠️ Fehlersuche

* Keine Matches gefunden: Senken Sie den `Threshold`, um mehr Kandidaten zuzulassen, oder beschneiden Sie die Bilder mit `Image ROI Select`, um Störfaktoren zu entfernen.
* Zu viele schlechte Matches: Erhöhen Sie den `Threshold`, um nur Matches mit höherer Confidence zu behalten.
* Keine Visualisierung erzeugt: Stellen Sie sicher, dass der Ausgang `Visualization` verbunden ist — das Bild wird nur bei aktivem Anschluss erstellt.
* Fehlende Abhängigkeiten oder Hardware-Beschleunigung: Dieser Block benötigt Modelllaufzeitpakete und läuft standardmäßig auf der CPU; wenn GPU-Beschleunigung erwartet, prüfen Sie die Verfügbarkeit der GPU und die Umgebung, in der die Anwendung läuft.