augmentation op• 데이터 종류: image → image
• 호출: fullseye.apply(img, "aug_jpeg_blocks", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)
JPEG 블록화(blocking) / 링잉(ringing) 아티팩트. 이미지(0..255로 스케일링)를 8x8 블록으로 자르고, 각 블록에 정규직교 2차원 DCT-II(`scipy.fft.dctn)를 적용한 뒤, 표준 JPEG Annex-K 휘도 양자화 테이블에 (1 + 40*a)/16 을 곱한 값으로 양자화하고(a=0이면 거의 무손실, a=1이면 강한 양자화), 역 DCT로 재구성한다. b 는 8x8 블록 격자의 위상을 양축 모두 int(7*b)` 픽셀만큼 이동시켜, 즉 블록 이음매의 위치를 바꾼다. 8의 배수가 아닌 이미지는 가장자리를 복제하여 패딩한 뒤 다시 HxW 로 잘라낸다(따라서 4x4 입력도 처리 가능하다).
• gallery2d_color_artistic 패밀리 가이드
• 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.
• gallery2d_color_artistic — py -3.11 examples/gallery2d_color_artistic.py
• sim2real_and_alife — py -3.11 examples/sim2real_and_alife.py
image 를 입력으로 받는 것)identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter
augmentation)aug_shot_noise · aug_read_noise · aug_fixed_pattern · aug_motion_blur · aug_vignette · aug_chromatic · aug_rolling_shutter · aug_cutout
*Provenance: ops.py — 2D 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.