ncd — IMGMETRICS `compression` op

• データ種: image2d × image2d → scalar

• 呼び出し: import imgmetrics; imgmetrics.ncd(a, b, compressor='lzma', levels=None, data_range=None, symmetric=True) (または opsimgmetrics.get("ncd"))

使い方

正規化圧縮距離(Li, Chen, Li, Ma & Vitányi, IEEE TIT 50(12), 2004)。

`NCD(x,y) = (C(xy) - min(C(x),C(y))) / max(C(x),C(y))`。

同じものなら 0 に近づき、無関係なら 1 に近づく ―― ただし **実際の圧縮器は

理想的な Kolmogorov 複雑度ではない**ので、同一入力でも厳密に 0 にはならない

(ヘッダぶんの下駄がある)。その下駄の実測値はテストに残してある。

生の float 配列は受け付けない。 圧縮器はバイト列の繰り返しを見るので、

値がごくわずか違うだけで float の仮数部が総取っ替えになり、**似ている 2 枚

でも共通のバイト列が消える**。実測(2026-09-02、`linspace` の勾配と

それを +0.02 した絵、PSNR 34.0 dB = よく似ている):

• `float64` のまま:8 バイト語の共有率 0.02 % → NCD 1.0959

(「まったく無関係」と読める値。しかも 1 を超える)

• 256 段に量子化:NCD 0.1290(正しく「よく似ている」)

• 本当に無関係な 2 枚:NCD 0.9981

つまり float のまま測ると例外なく逆の結論が出る。よって float には

`levels の明示を要求する(levels=256 なら data_range` を 256 段に

量子化してから測る)。整数 dtype はそのまま測れる。

`symmetric=True`(既定)は 両向きを測って平均する。圧縮器は前から順に

辞書を作るので `C(xy) != C(yx)` になり、素朴に実装すると「距離」を名乗り

ながら引数の順で値が変わる(実測: 縦縞と横縞で 0.571429 対 0.595238、

相対 4 %)。**一様乱数どうしでは差 0.000e+00 になるので、乱数で試している

限り気づけない** ―― 構造のある実データで初めて破れる型の欠陥。

詳しい使い方ガイド

• image_difference_metrics ファミリガイド

参考(サンプルデータ・文献)

• 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。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• image_quality_metrics — py -3.11 examples/image_quality_metrics.py

型が繋がる次の op(`scalar` を入力に取れる)

—

同カテゴリ(`compression`)

compressed_size

*Provenance: imgmetrics.py — IMGMETRICS 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)。*

ncd — IMGMETRICS compression op

使い方