assess op• 데이터 종류: flow2d → table
• 호출: import fullseye as fs; fs.ledger.piv_peak_locking(flow, bins=20)(구현을 직접 호출하려면 import pivops; pivops.piv_peak_locking(flow, bins=20), 원장에서 가져오려면 opspiv.get("piv_peak_locking"))
• GPU: 없음(CPU 참조 구현만)
피크 로킹의 강도. 소수부의 분포가 균일 분포에서 얼마나 벗어나 있는가.
서브 픽셀 추정은 진정한 변위의 소수 부분이 0 또는 0.5 일 때 거기에 끌립니다. 편향 (상관 피크의 형태와 맞는 함수의 형태가 다르기 때문에 PIV 교과서 계통 오차). 흐름이 균일하지 않으면 소수부는 균일 분포에 가까워야 하며, 거기로부터의 어긋남을 측정한다.
지표 "c0"는 표본 수에 의존하지 않습니다 카이 제곱 편차 :
sum((n_i - n_bar)^2 / n_bar) / (2*bins - 1). 양 성분을 합한 2*bins 계급에 대해, 균일 분포로부터 표본을 취하면기대치 1이 되므로,1 전후라면 균일과 구별할 수 없다, 클수록 치우치고 있다.
★ 다만 이 지표는 「참의 변위의 소수부가 균일하다」라고 가정한다. 창의 수가적은 곳이나 변위가 천천히 바뀌는 곳에서는 참치 그 자체의 c0도 커진다(실측: 선형 램프의 참값으로 82 —— 창 격자가 19열 밖에 없는 소수부가 이산적으로밖에 나타나지 않기 때문에). 따라서 c0는 같은 입력의 참값에 비해 읽어야 한다.
결정적인 진단은 따로 있다 —— 균일 병진의 소수부를 0에서 0.9까지 흔들어추정값이 대각선을 타는지 확인합니다. 실측(win=32, density 0.02):
gauss3 0.0037 픽셀 0.0088 픽셀 parabolic 0.0104 픽셀 0.0151 픽셀 centroid 0.2259 픽셀 0.3701 픽셀
centroid는 참값 0.1을 0.02, 0.9를 0.98로 대답합니다. 교과서대로 S 자. 나올 것이라는 것이 확인되었고, 구현의 결함이 아니다 (그러므로 3 개나 남겨두고 있다).
Args:
flow :(2, h, w).
bins: 소수부 히스토그램의 계급 수.
Returns:
dict :c0 ''(두 가지 구성 요소 지수),hist ''((2, bins) ''),
frac_mean''/frac_std, bins''.
• 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.
• piv_field_analysis_tour — py -3.11 examples/piv_field_analysis_tour.py
• poc_battery_electrode_breathing — py -3.11 examples/poc_battery_electrode_breathing.py
table 를 입력으로 받는 것)—
assess)piv_sample_at_windows · piv_error_stats · piv_time_statistics
*Provenance: pivops.py — PIV 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.