noise op• Datenarten: image2d → image2d
• Aufruf: import imgforensics; imgforensics.noise_inconsistency_map(image, block: 'int' = 16) -> 'np.ndarray' (oder opsimgforensics.get("noise_inconsistency_map"))
Eine Karte der Rauschstandardabweichung pro Block. `image2d`.
> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.
Immerkær 1996 の 3x3 マスクで高周波成分を取り、`block` 角の非重複ブロックごとに
`sigma = sqrt(pi/2) / 6 * mean(|conv|)` を出してブロック定数で戻す。
貼り付けた領域が別の露出・別の圧縮率・別のカメラから来ていれば、この値が
まわりと 段差になる。
精度は良い(`tests/test_imgforensics.py` が固定)。真の σ が上半分 0.01・
下半分 0.04(8 bit で 2.55 と 10.20、比 4.0)の合成画像で、推定は
2.533 と 10.214、比 4.033 —— 絶対値も比も 1% 以内。
この地図が言えないこと:
• テクスチャは雑音として数えられる。Immerkær のマスクはラプラシアン風なので、
細かい模様の領域は σ が高く出る。実測:雑音は上下とも同じ σ=0.01 で、
下半分にだけ市松模様を足した画像では、模様側 15.97 / 平坦側 2.58 = 6.2 倍。
段差があっても「改竄」ではなく「模様」かもしれない。
• 逆に 平滑化された改竄は σ が下がるので見えるが、平坦な背景に平坦な物を
貼った場合は差が出ない。
• JPEG は雑音をブロックごとに削るので、圧縮済みの画像では `block` を 8 の倍数に
しないとブロック格子と干渉して縞が出る(既定 16 は 8 の倍数)。
• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).
• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.
• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.
• image_forensics_audit — py -3.11 examples/image_forensics_audit.py
image2d als Eingabe)perceptual_hash · fingerprint_correlate · error_level_map · jpeg_quality_estimate · jpeg_ghost_map · copy_move_regions · watermark_embed · watermark_extract
noise)—
*Provenance: imgforensics.py — IMGFORENSICS Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.