compression op• データ種: image2d → table
• 呼び出し: import imgforensics; imgforensics.jpeg_quality_estimate(image, max_step: 'int' = 64, n_coeff: 'int' = 21) -> 'dict' (または opsimgforensics.get("jpeg_quality_estimate"))
デコード済み画像から 量子化表と JPEG 品質をブラインド推定する。`table`。
ファイルの DQT を読むのではなく、画素だけから推定する(そこが要点で、
PNG に保存し直された / 貼り付けられた画像でも「元は JPEG 品質 N だった」が
見える)。8x8 ブロック DCT を取り、係数ごとに櫛の間隔を推定して
(Fan & de Queiroz 2003)、IJG の公開スケーリング規則で作った標準表の族から
最も合う品質を選ぶ。
返り(dict):
`jpeg_compressed 櫛が立った係数が n_coeff` 個中いくつあったかで判断した
bool。「JPEG である」証明ではない(下記 caveats)
`quality 推定品質 1..100(櫛が無ければ None`)
`table 推定した (8, 8)` の量子化ステップ(0 = 推定できず)
`n_quantized 櫛が立った係数の数 / n_coeff`
`fit_error` 選ばれた品質の標準表との平均絶対差
`caveats` この数値が言えないこと
実測(`tests/test_imgforensics.py::test_jpeg_quality_estimate_recovers_quality`、
256x256 の 1/f^1.6 画像を Pillow で符号化 → 復号して推定):
======= ========= =============== ============
真の Q 推定 Q 櫛が立った係数 fit_error
======= ========= =============== ============
95 95 11/20 0.091
90 90 19/20 0.579
80 80 13/20 1.308
70 71 12/20 2.083
60 60 9/20 2.111
50 52 7/20 1.857
40 40 6/20 3.333
30 None 4/20 —
======= ========= =============== ============
低品質側で崩れるのは原理的な限界である。品質が下がるほど高周波係数は 0 に
量子化され、櫛を読む材料そのものが画像から消える(「櫛が立った係数」の列が
その消え方)。品質 30 では材料が足りず、推定を返さない(`quality=None`)。
ここで無理に答えを出さないのがこの op の設計方針である。
そして **無圧縮 PNG では `jpeg_compressed=False / quality=None`**
(4 つの seed で確認、同テストで固定)。ここで黙って「品質 100」と答えないことが
肝で、そうすると「無圧縮」と「ほぼ無劣化の JPEG」が同じ答えになる。
• 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)compression)error_level_map · jpeg_ghost_map · jpeg_ghost_quality
*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.