sensor op• 데이터 종류: fingerprint → image2d
• 호출: import imgforensics; imgforensics.fingerprint_strength_map(fingerprint, block: 'int' = 16) -> 'np.ndarray'(또는 opsimgforensics.get("fingerprint_strength_map"))
지문의 블록별 실효 강도(표준편차)를 늘어놓은 지도. `image2d`.
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
PRNU は飽和した画素と真っ暗な画素では出ない(乗法的な欠陥なので信号が要る)。
この地図は「指紋がどこで何も言えないか」を見るためのもので、値が低い領域の
照合結果は弱い。`block 角の非重複ブロックごとの標準偏差を、元の (H, W)` へ
ブロック定数で戻して返す(端は端のブロックの値で埋める)。
実測(`tests/test_imgforensics.py::test_strength_map_marks_the_saturated_half`、
128x128 の左半分だけを飽和させた 8 枚から指紋を作る):飽和側の平均強度
0.075 に対し通常側 1.409 = 18.8 倍。左半分では PRNU が乗る余地が
無い(乗法的な欠陥なので信号が要る)ことがそのまま出ている。
これは `fingerprint` 語彙の 出口 でもある(袋小路を作らないため)。
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• image_forensics_audit — py -3.11 examples/image_forensics_audit.py
image2d 를 입력으로 받는 것)perceptual_hash · fingerprint_correlate · error_level_map · jpeg_quality_estimate · jpeg_ghost_map · noise_inconsistency_map · copy_move_regions · watermark_embed
sensor)sensor_fingerprint · fingerprint_correlate
*Provenance: imgforensics.py — IMGFORENSICS 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.