"""SmTIAS 定量モード DNG の照明均一性評価スクリプト（PNG 版 run_uniformity.py の DNG 対応版）. PNG 版と同じ出力一式（輝度マップ / ヒストグラム / 動径プロファイル / ゾーンマップ / 均一性 CSV / コンソール指標）を，DNG に対して同じ ROI・同じ向き（portrait）で出力する． PNG 版との違い: - 読み込みを load_image_dng（linear, output_color=raw）に置換 - DNG は RAW_SENSOR で未補正のため，meta.json の lscMap でレンズシェーディングを順適用（--no-lsc で無効化可） - 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 使い方: python scripts/run_uniformity_dng.py --image data/smtias/quantitative/xxx.dng """ 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.export.exporter import ensure_output_dirs, export_results # noqa: E402 from src.io.dng_loader import load_image_dng # noqa: E402 from src.io.loader import extract_roi # noqa: E402 from src.visualization.plotter import ( # noqa: E402 plot_histogram, plot_luminance_map, plot_radial_profile, plot_zone_map, ) 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, output_base: Path, apply_lsc: bool, ) -> None: """DNG 1 枚を解析し，PNG 版と同じ出力一式を生成する． Args: image_path: 解析対象 DNG ファイルのパス． roi: ROI の辞書（x, y, width, height）．None の場合は画像全体を解析． output_base: 出力ルートディレクトリのパス． apply_lsc: True の場合，LSC（レンズシェーディング）補正を適用する． """ print(f"解析開始: {image_path}") luma_full = dng_luminance(image_path, apply_lsc) print(f"画像サイズ: {luma_full.shape[1]} x {luma_full.shape[0]} px（portrait）") print(f"LSC 補正: {'あり' if apply_lsc else 'なし'} / ドメイン: linear（output_color=raw）") if roi is not None: print( f"ROI を適用します: x={roi['x']}, y={roi['y']}, " f"width={roi['width']}, height={roi['height']}" ) luminance = extract_roi(luma_full, roi["x"], roi["y"], roi["width"], roi["height"]) else: print("ROI 未指定: 画像全体を解析します") luminance = luma_full results = calc_uniformity(luminance) print("--- 均一性指標（輝度は 0〜255 linear スケール）---") print(f" 平均輝度 : {results['mean']:.2f}") print(f" 標準偏差 : {results['std']:.2f}") print(f" CoV : {results['cov']:.4f}") print(f" 最大/最小比 : {results['max_min_ratio']:.4f}") print(f" 最大輝度 : {results['max']:.2f}") print(f" 最小輝度 : {results['min']:.2f}") spatial = calc_spatial_uniformity(luminance) zone_stats = spatial["zone_stats"] print("--- 空間解析指標 ---") print(f" 中心平均輝度 : {zone_stats['center_mean']:.2f}") print(f" 中間平均輝度 : {zone_stats['middle_mean']:.2f}") print(f" 周辺平均輝度 : {zone_stats['periphery_mean']:.2f}") print(f" 中心/周辺比 : {zone_stats['center_periphery_ratio']:.4f}") print(f" 勾配量 (%) : {zone_stats['gradient_magnitude']:.2f}") print(f" 動径min/max比 : {spatial['radial_min_max_ratio']:.4f}") stem = Path(image_path).stem # 例: SmTIAS_QM_20260601_102753 figures = output_base / "figures" plot_luminance_map(luminance, str(figures / f"{stem}_luminance_map.png")) plot_histogram(luminance, str(figures / f"{stem}_histogram.png")) plot_radial_profile(spatial["radial_profile"], str(figures / f"{stem}_radial_profile.png")) plot_zone_map(luminance, spatial["zone_map"], str(figures / f"{stem}_zone_map.png")) export_results(results, str(output_base / "results" / f"{stem}_uniformity.csv")) print(f"解析完了: {image_path}") def main() -> None: """エントリーポイント.""" parser = argparse.ArgumentParser( description="SmTIAS 定量モード DNG の照明均一性を評価する（PNG 版と同じ出力一式）." ) parser.add_argument("--image", required=True, help="解析対象の DNG ファイルパス") parser.add_argument( "--config", default=str(PROJECT_ROOT / "config" / "roi_config.json"), help="ROI 設定ファイルのパス（デフォルト: config/roi_config.json）", ) parser.add_argument( "--roi", default="smtias.whiteboard", help="ROI のキー（ドット区切り，デフォルト: smtias.whiteboard）", ) parser.add_argument( "--output", default=str(PROJECT_ROOT / "output"), help="出力ディレクトリのパス（デフォルト: output/）", ) parser.add_argument( "--no-lsc", action="store_true", help="LSC（レンズシェーディング）補正を無効化する（既定は補正あり）", ) args = parser.parse_args() output_base = Path(args.output) ensure_output_dirs(args.output) roi = None if args.config: try: roi = load_roi_config(args.config, args.roi) except FileNotFoundError as e: print(f"警告: {e} → 画像全体を解析します") analyze_single_dng(args.image, roi, output_base, apply_lsc=not args.no_lsc) if __name__ == "__main__": main()