diff --git a/scripts/run_uniformity.py b/scripts/run_uniformity.py
index 5397aaf..2094d0a 100644
--- a/scripts/run_uniformity.py
+++ b/scripts/run_uniformity.py
@@ -10,7 +10,6 @@
 """
 
 import argparse
-import json
 import sys
 from pathlib import Path
 
@@ -21,6 +20,7 @@
 sys.path.insert(0, str(PROJECT_ROOT))
 
 from src.analysis.reproducibility import calc_pairwise_ssim_registered  # noqa: E402
+from src.config import load_roi_config  # noqa: E402
 from src.analysis.spatial import calc_spatial_uniformity  # noqa: E402
 from src.analysis.uniformity import calc_uniformity, to_grayscale  # noqa: E402
 from src.export.exporter import (  # noqa: E402
@@ -41,36 +41,6 @@
 )
 
 
-def load_roi_config(config_path: str, roi_key: str) -> dict | None:
-    """ROI 設定ファイルを読み込んで指定キーの ROI を返す．
-
-    Args:
-        config_path: JSON 設定ファイルのパス．
-        roi_key: ドット区切りのキー（例: "smtias.whiteboard"）．
-
-    Returns:
-        ROI の辞書（x, y, width, height）．キーが存在しない場合は None．
-
-    Raises:
-        FileNotFoundError: 設定ファイルが存在しない場合．
-    """
-    config_file = Path(config_path)
-    if not config_file.exists():
-        raise FileNotFoundError(f"設定ファイルが見つかりません: {config_path}")
-
-    with config_file.open(encoding="utf-8") as f:
-        config = json.load(f)
-
-    # ドット区切りでネストされたキーを辿る
-    node = config
-    for key in roi_key.split("."):
-        if not isinstance(node, dict) or key not in node:
-            return None
-        node = node[key]
-
-    return node if isinstance(node, dict) else None
-
-
 def analyze_single_image(
     image_path: str,
     roi: dict | None,
diff --git a/scripts/run_uniformity_dng.py b/scripts/run_uniformity_dng.py
index d39ae70..cd04bb6 100644
--- a/scripts/run_uniformity_dng.py
+++ b/scripts/run_uniformity_dng.py
@@ -13,24 +13,17 @@
 """
 
 import argparse
-import json
 import sys
 from pathlib import Path
 
-import numpy as np
-
 PROJECT_ROOT = Path(__file__).resolve().parent.parent
 sys.path.insert(0, str(PROJECT_ROOT))
 
 from src.analysis.spatial import calc_spatial_uniformity  # noqa: E402
-from src.analysis.uniformity import (  # noqa: E402
-    REC709_COEFF_B,
-    REC709_COEFF_G,
-    REC709_COEFF_R,
-    calc_uniformity,
-)
+from src.analysis.uniformity import calc_uniformity  # noqa: E402
+from src.config import load_roi_config  # noqa: E402
 from src.export.exporter import ensure_output_dirs, export_results  # noqa: E402
-from src.io.dng_loader import load_image_dng  # noqa: E402
+from src.io.dng_pipeline import dng_luminance  # noqa: E402
 from src.io.loader import extract_roi  # noqa: E402
 from src.visualization.plotter import (  # noqa: E402
     plot_histogram,
@@ -40,120 +33,6 @@
 )
 
 
-def load_roi_config(config_path: str, roi_key: str) -> dict | None:
-    """ROI 設定ファイルを読み込んで指定キーの ROI を返す．
-
-    Args:
-        config_path: JSON 設定ファイルのパス．
-        roi_key: ドット区切りのキー（例: "smtias.whiteboard"）．
-
-    Returns:
-        ROI の辞書（x, y, width, height）．キーが存在しない場合は None．
-
-    Raises:
-        FileNotFoundError: 設定ファイルが存在しない場合．
-    """
-    config_file = Path(config_path)
-    if not config_file.exists():
-        raise FileNotFoundError(f"設定ファイルが見つかりません: {config_path}")
-
-    with config_file.open(encoding="utf-8") as f:
-        config = json.load(f)
-
-    # ドット区切りでネストされたキーを辿る
-    node = config
-    for key in roi_key.split("."):
-        if not isinstance(node, dict) or key not in node:
-            return None
-        node = node[key]
-
-    return node if isinstance(node, dict) else None
-
-
-def _upsample(grid: np.ndarray, shape: tuple[int, int]) -> np.ndarray:
-    """(rows, cols) グリッドを画像サイズ shape へバイリニア補間する．
-
-    Args:
-        grid: 補間元グリッドの NumPy 配列（rows x cols, float64）．
-        shape: 補間先の画像サイズ (height, width)．
-
-    Returns:
-        補間後の NumPy 配列（height x width, float64）．
-    """
-    rows, cols = grid.shape
-    h, w = shape
-    ys = np.linspace(0, rows - 1, h)
-    xs = np.linspace(0, cols - 1, w)
-    y0 = np.floor(ys).astype(int)
-    y1 = np.minimum(y0 + 1, rows - 1)
-    x0 = np.floor(xs).astype(int)
-    x1 = np.minimum(x0 + 1, cols - 1)
-    wy = (ys - y0)[:, None]
-    wx = (xs - x0)[None, :]
-    top = grid[y0][:, x0] * (1 - wx) + grid[y0][:, x1] * wx
-    bot = grid[y1][:, x0] * (1 - wx) + grid[y1][:, x1] * wx
-    return top * (1 - wy) + bot * wy
-
-
-def lsc_gain_rgb(meta_path: Path, shape: tuple[int, int]) -> np.ndarray:
-    """meta.json の lscMap (4, M, N) を (H, W, 3) の RGB ゲインへ補間する．
-
-    4ch = [R, G_even, G_odd, B]．G は G_even/G_odd の平均を用いる．
-
-    Args:
-        meta_path: meta.json ファイルのパス．
-        shape: 補間先の画像サイズ (height, width)．
-
-    Returns:
-        RGB ゲインの NumPy 配列（H x W x 3, float64）．
-    """
-    meta = json.loads(meta_path.read_text(encoding="utf-8"))
-    rows, cols = meta["lscMapRowCount"], meta["lscMapColumnCount"]
-    m = np.array(meta["lscMap"], dtype=np.float64).reshape(rows, cols, 4)
-    gr = _upsample(m[:, :, 0], shape)
-    gg = _upsample((m[:, :, 1] + m[:, :, 2]) / 2.0, shape)
-    gb = _upsample(m[:, :, 3], shape)
-    return np.stack([gr, gg, gb], axis=2)
-
-
-def dng_luminance(image_path: str, apply_lsc: bool) -> np.ndarray:
-    """DNG から portrait・linear・（任意で LSC 補正済）の輝度画像を返す．
-
-    - output_format="rgb_float32"（output_color=raw, linear）で読み込み
-    - apply_lsc=True なら lscMap を順適用してレンズビネットを除去
-    - Rec.709 で輝度化（uniformity.py と同じ係数）
-    - PNG と同じ portrait へ rot90(-1) で向き合わせ
-
-    Args:
-        image_path: DNG ファイルのパス．
-        apply_lsc: True の場合，同名 .meta.json から LSC ゲインを読み込んで補正する．
-
-    Returns:
-        portrait 向きの輝度画像（H x W, float64）．値域は 0〜255 の linear スケール．
-    """
-    rgb = load_image_dng(image_path, output_format="rgb_float32")  # (H,W,3) linear landscape
-
-    if apply_lsc:
-        meta_path = Path(image_path).with_suffix("").with_suffix(".meta.json")
-        if not meta_path.exists():
-            # ".meta.json" は二重拡張子なので with_suffix では拾えない場合がある
-            meta_path = Path(str(Path(image_path).with_suffix("")) + ".meta.json")
-        if not meta_path.exists():
-            raise FileNotFoundError(f"meta.json が見つかりません（LSC 補正に必要）: {meta_path}")
-        rgb = rgb * lsc_gain_rgb(meta_path, rgb.shape[:2])
-
-    luma = (
-        REC709_COEFF_R * rgb[:, :, 0]
-        + REC709_COEFF_G * rgb[:, :, 1]
-        + REC709_COEFF_B * rgb[:, :, 2]
-    )
-    # linear のまま 0〜255 スケールで表現する（PNG 図と軸を揃えて比較するため）．
-    # CoV・max/min・中心周辺比はスケール不変なので不変，mean/std のみ ×255 となる．
-    # 既存 plot_histogram が range=(0,255) 固定であることにも整合する．
-    luma = luma * 255.0
-    return np.rot90(luma, -1)  # portrait（PNG と同じ向き）
-
-
 def analyze_single_dng(
     image_path: str,
     roi: dict | None,
diff --git a/src/config.py b/src/config.py
new file mode 100644
index 0000000..463bd09
--- /dev/null
+++ b/src/config.py
@@ -0,0 +1,34 @@
+"""設定ファイル（ROI 等）の読み込みユーティリティ."""
+
+import json
+from pathlib import Path
+
+
+def load_roi_config(config_path: str, roi_key: str) -> dict | None:
+    """ROI 設定ファイルを読み込んで指定キーの ROI を返す．
+
+    Args:
+        config_path: JSON 設定ファイルのパス．
+        roi_key: ドット区切りのキー（例: "smtias.whiteboard"）．
+
+    Returns:
+        ROI の辞書（x, y, width, height）．キーが存在しない場合は None．
+
+    Raises:
+        FileNotFoundError: 設定ファイルが存在しない場合．
+    """
+    config_file = Path(config_path)
+    if not config_file.exists():
+        raise FileNotFoundError(f"設定ファイルが見つかりません: {config_path}")
+
+    with config_file.open(encoding="utf-8") as f:
+        config = json.load(f)
+
+    # ドット区切りでネストされたキーを辿る
+    node = config
+    for key in roi_key.split("."):
+        if not isinstance(node, dict) or key not in node:
+            return None
+        node = node[key]
+
+    return node if isinstance(node, dict) else None
diff --git a/src/io/dng_pipeline.py b/src/io/dng_pipeline.py
new file mode 100644
index 0000000..ed042da
--- /dev/null
+++ b/src/io/dng_pipeline.py
@@ -0,0 +1,105 @@
+"""DNG 定量モードの輝度化パイプライン.
+
+DNG（RAW_SENSOR）を読み込み，LSC（レンズシェーディング）補正を順適用して
+PNG 経路と同じ portrait・linear・Rec.709 輝度画像へ変換する一連の処理をまとめる．
+
+- 読み込みは load_image_dng（output_format="rgb_float32", linear, output_color=raw）
+- DNG は RAW_SENSOR で未補正のため，meta.json の lscMap でレンズビネットを順適用（任意）
+- DNG はセンサ native が landscape のため，PNG と同じ portrait へ rot90(-1) で向き合わせ
+"""
+
+import json
+from pathlib import Path
+
+import numpy as np
+
+from src.analysis.uniformity import (
+    REC709_COEFF_B,
+    REC709_COEFF_G,
+    REC709_COEFF_R,
+)
+from src.io.dng_loader import load_image_dng
+
+
+def _upsample(grid: np.ndarray, shape: tuple[int, int]) -> np.ndarray:
+    """(rows, cols) グリッドを画像サイズ shape へバイリニア補間する．
+
+    Args:
+        grid: 補間元グリッドの NumPy 配列（rows x cols, float64）．
+        shape: 補間先の画像サイズ (height, width)．
+
+    Returns:
+        補間後の NumPy 配列（height x width, float64）．
+    """
+    rows, cols = grid.shape
+    h, w = shape
+    ys = np.linspace(0, rows - 1, h)
+    xs = np.linspace(0, cols - 1, w)
+    y0 = np.floor(ys).astype(int)
+    y1 = np.minimum(y0 + 1, rows - 1)
+    x0 = np.floor(xs).astype(int)
+    x1 = np.minimum(x0 + 1, cols - 1)
+    wy = (ys - y0)[:, None]
+    wx = (xs - x0)[None, :]
+    top = grid[y0][:, x0] * (1 - wx) + grid[y0][:, x1] * wx
+    bot = grid[y1][:, x0] * (1 - wx) + grid[y1][:, x1] * wx
+    return top * (1 - wy) + bot * wy
+
+
+def lsc_gain_rgb(meta_path: Path, shape: tuple[int, int]) -> np.ndarray:
+    """meta.json の lscMap (4, M, N) を (H, W, 3) の RGB ゲインへ補間する．
+
+    4ch = [R, G_even, G_odd, B]．G は G_even/G_odd の平均を用いる．
+
+    Args:
+        meta_path: meta.json ファイルのパス．
+        shape: 補間先の画像サイズ (height, width)．
+
+    Returns:
+        RGB ゲインの NumPy 配列（H x W x 3, float64）．
+    """
+    meta = json.loads(meta_path.read_text(encoding="utf-8"))
+    rows, cols = meta["lscMapRowCount"], meta["lscMapColumnCount"]
+    m = np.array(meta["lscMap"], dtype=np.float64).reshape(rows, cols, 4)
+    gr = _upsample(m[:, :, 0], shape)
+    gg = _upsample((m[:, :, 1] + m[:, :, 2]) / 2.0, shape)
+    gb = _upsample(m[:, :, 3], shape)
+    return np.stack([gr, gg, gb], axis=2)
+
+
+def dng_luminance(image_path: str, apply_lsc: bool) -> np.ndarray:
+    """DNG から portrait・linear・（任意で LSC 補正済）の輝度画像を返す．
+
+    - output_format="rgb_float32"（output_color=raw, linear）で読み込み
+    - apply_lsc=True なら lscMap を順適用してレンズビネットを除去
+    - Rec.709 で輝度化（uniformity.py と同じ係数）
+    - PNG と同じ portrait へ rot90(-1) で向き合わせ
+
+    Args:
+        image_path: DNG ファイルのパス．
+        apply_lsc: True の場合，同名 .meta.json から LSC ゲインを読み込んで補正する．
+
+    Returns:
+        portrait 向きの輝度画像（H x W, float64）．値域は 0〜255 の linear スケール．
+    """
+    rgb = load_image_dng(image_path, output_format="rgb_float32")  # (H,W,3) linear landscape
+
+    if apply_lsc:
+        meta_path = Path(image_path).with_suffix("").with_suffix(".meta.json")
+        if not meta_path.exists():
+            # ".meta.json" は二重拡張子なので with_suffix では拾えない場合がある
+            meta_path = Path(str(Path(image_path).with_suffix("")) + ".meta.json")
+        if not meta_path.exists():
+            raise FileNotFoundError(f"meta.json が見つかりません（LSC 補正に必要）: {meta_path}")
+        rgb = rgb * lsc_gain_rgb(meta_path, rgb.shape[:2])
+
+    luma = (
+        REC709_COEFF_R * rgb[:, :, 0]
+        + REC709_COEFF_G * rgb[:, :, 1]
+        + REC709_COEFF_B * rgb[:, :, 2]
+    )
+    # linear のまま 0〜255 スケールで表現する（PNG 図と軸を揃えて比較するため）．
+    # CoV・max/min・中心周辺比はスケール不変なので不変，mean/std のみ ×255 となる．
+    # 既存 plot_histogram が range=(0,255) 固定であることにも整合する．
+    luma = luma * 255.0
+    return np.rot90(luma, -1)  # portrait（PNG と同じ向き）
diff --git a/tests/scripts/test_run_uniformity.py b/tests/scripts/test_run_uniformity.py
index 0983fc0..8996248 100644
--- a/tests/scripts/test_run_uniformity.py
+++ b/tests/scripts/test_run_uniformity.py
@@ -19,7 +19,7 @@
 
 sys.path.insert(0, str(Path(__file__).resolve().parent.parent.parent))
 
-from scripts.run_uniformity import load_roi_config
+from src.config import load_roi_config
 
 
 # ---------------------------------------------------------------------------