calibration op• データ種: measurement × table → table
• 呼び出し: import imgforensics; imgforensics.evidence_quantile(measurement, null, higher_is_stronger=True) (または opsimgforensics.get("evidence_quantile"))
証拠量が、清浄な分布のどのあたりに座るかを返す。判定は返さない。
`null_distribution` の出力を消費する側。返すのは「清浄な組の何 % より
外側か」であって、「改竄されている」ではない ―― 外側に座ることは、
その条件で珍しいことしか意味しない(珍しい清浄画像は存在する)。
Parameters
----------
measurement : float
測った証拠量(`hash_distance` の返り値など)。
null : dict
:func:null_distribution の返り値。
higher_is_stronger : bool
PCE や相関のように大きいほど強い証拠なら `True`。
ハミング距離のように小さいほど強い証拠なら `False`。
既定に頼らず必ず考えること —— ここを間違えると、いちばん証拠の
強い組が「まったく珍しくない」と出る(例外は出ない)。
Returns
-------
dict
`beyond_fraction`(清浄分布のうち、この値より内側にある割合 =
清浄な組の何 % より外側に座るか。`[0, 1]` の連続値)/
`z(標準偏差の何倍か。ばらつき 0 なら None)/ caveats`。
Notes
-----
`beyond_fraction は null が持つ分位点(min` / 5 / 25 / 50 / 75 /
95 / 99 パーセンタイル / `max`)を節として **区分線形に内挿した経験分布
関数**。節の上では厳密、節の間は線形近似で、`min` より内側なら 0、
`max` より外側なら 1 に飽和する(標本の外へは外挿しない)。
`higher_is_stronger=False` なら 1 から引いた側を返す。清浄な値がすべて
同じで節が重なる場合、その値ちょうどは 0.5(中央順位)に置く。
• サンプルデータ カタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。
• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。
• image_forensics_audit — py -3.11 examples/image_forensics_audit.py
table を入力に取れる)—
calibration)*Provenance: imgforensics.py — IMGFORENSICS 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.