"""SmTIAS 照明均一性評価 結果ビューア. 使い方: streamlit run scripts/viewer.py """ import json import sys from pathlib import Path import matplotlib.pyplot as plt import numpy import pandas import streamlit as st from PIL import Image, ImageDraw def _find_project_root() -> Path: """CLAUDE.md の存在でプロジェクトルートを特定する． Returns: プロジェクトルートの Path． Raises: FileNotFoundError: CLAUDE.md が見つからない場合． """ p = Path(__file__).resolve().parent for parent in [p] + list(p.parents): if (parent / "CLAUDE.md").exists(): return parent raise FileNotFoundError("CLAUDE.md not found — プロジェクトルートを特定できません") PROJECT_ROOT = _find_project_root() sys.path.insert(0, str(PROJECT_ROOT)) RESULTS_DIR = PROJECT_ROOT / "output" / "results" FIGURES_DIR = PROJECT_ROOT / "output" / "figures" DATA_DIR = PROJECT_ROOT / "data" / "smtias" / "whiteboard" ROI_CONFIG = PROJECT_ROOT / "config" / "roi_config.json" SUMMARY_CSV = RESULTS_DIR / "summary_uniformity.csv" SPATIAL_CSV = RESULTS_DIR / "summary_spatial.csv" def load_roi() -> dict | None: """ROI 設定を読み込む．""" if not ROI_CONFIG.exists(): return None with open(ROI_CONFIG, encoding="utf-8") as f: config = json.load(f) return config.get("smtias", {}).get("whiteboard") def overlay_roi(image_path: Path, roi: dict) -> Image.Image: """元画像に ROI 矩形をオーバーレイした画像を返す．""" img = Image.open(image_path).copy() draw = ImageDraw.Draw(img) x, y, w, h = roi["x"], roi["y"], roi["width"], roi["height"] draw.rectangle([x, y, x + w, y + h], outline="lime", width=6) return img def load_summary() -> pandas.DataFrame: """サマリー CSV を読み込む． Returns: 均一性指標の DataFrame． Raises: FileNotFoundError: summary_uniformity.csv が存在しない場合． """ if not SUMMARY_CSV.exists(): raise FileNotFoundError( f"サマリーファイルが見つかりません: {SUMMARY_CSV}\n" "先に run_uniformity.py でバッチ解析を実行してください．" ) return pandas.read_csv(SUMMARY_CSV) def _build_stats_df( df: pandas.DataFrame, cols: list[str] ) -> pandas.DataFrame: """指定カラムの列間統計サマリー DataFrame を生成する． Args: df: 元の DataFrame． cols: 統計を集計する列名リスト． Returns: 各列の mean/std/cv/min/max/range を行とした DataFrame． index.name は「指標」に設定される． """ stats_data = {} for col in cols: values = df[col].values col_mean = numpy.mean(values) col_std = numpy.std(values, ddof=0) stats_data[col] = { "平均 (Mean)": f"{col_mean:.4f}", "標準偏差 (SD)": f"{col_std:.4f}", "変動係数 (CV)": ( f"{col_std / col_mean:.6f}" if col_mean != 0 else "N/A" ), "最小 (Min)": f"{numpy.min(values):.4f}", "最大 (Max)": f"{numpy.max(values):.4f}", "範囲 (Range)": f"{numpy.max(values) - numpy.min(values):.4f}", } result = pandas.DataFrame(stats_data).T result.index.name = "指標" return result def _render_bar_chart( data_df: pandas.DataFrame, image_names: list[str], metrics: list[tuple[str, str, str, str]], ) -> None: """2x2 の棒グラフを描画して Streamlit に表示する． Args: data_df: 各指標の値を持つ DataFrame． image_names: X 軸に表示する画像名リスト． metrics: (列名, タイトル, Y 軸ラベル, 色) のリスト（4 要素）． """ fig, axes = plt.subplots(2, 2, figsize=(14, 9)) # 長い名前を短縮してグラフを読みやすくする short_names = [name[-8:] for name in image_names] for ax, (col, title, ylabel, color) in zip(axes.ravel(), metrics): ax.bar(range(len(image_names)), data_df[col], color=color, edgecolor="none") ax.set_title(title) ax.set_xlabel("Image") ax.set_ylabel(ylabel) ax.set_xticks(range(len(image_names))) ax.set_xticklabels(short_names, rotation=45, ha="right", fontsize=8) fig.tight_layout() st.pyplot(fig) plt.close(fig) def render_tab_overview( df: pandas.DataFrame, spatial_df: pandas.DataFrame | None ) -> None: """タブ1「全体比較」を描画する． Args: df: サマリー DataFrame． spatial_df: 空間分析サマリー DataFrame．存在しない場合は None． """ st.header("全体均一性 (Overall Uniformity)") # 指標テーブル st.subheader("指標テーブル") display_df = df.copy() # 小数点以下4桁の指標と2桁の指標を一括フォーマットする fmt_4f = {"cov": "{:.4f}", "max_min_ratio": "{:.4f}"} fmt_2f = {"std": "{:.2f}", "mean": "{:.2f}", "max": "{:.2f}", "min": "{:.2f}"} for col, fmt in {**fmt_4f, **fmt_2f}.items(): display_df[col] = display_df[col].map(fmt.format) st.dataframe(display_df, use_container_width=True) # 統計サマリー st.subheader("統計サマリー") numeric_cols = ["mean", "std", "cov", "max_min_ratio", "max", "min"] st.dataframe(_build_stats_df(df, numeric_cols), use_container_width=True) st.caption("※ 変動係数 (CV) が小さいほど画像間の再現性が高い") # 比較グラフ（2x2 棒グラフ） st.subheader("指標比較グラフ") image_names = df["image_name"].tolist() metrics = [ ("cov", "CoV (Coefficient of Variation)", "CoV", "steelblue"), ("std", "Std (Standard Deviation)", "Std", "coral"), ("max_min_ratio", "Max/Min Ratio", "Max/Min Ratio", "mediumseagreen"), ("mean", "Mean Luminance", "Luminance", "mediumpurple"), ] _render_bar_chart(df, image_names, metrics) # 空間分析セクション if spatial_df is not None: st.header("空間分析 (Spatial Analysis)") # 空間分析指標テーブル st.subheader("指標テーブル") spatial_display_df = spatial_df[ [ "image_name", "center_mean", "middle_mean", "periphery_mean", "center_periphery_ratio", "gradient_magnitude", ] ].copy() spatial_fmt_2f = { "center_mean": "{:.2f}", "middle_mean": "{:.2f}", "periphery_mean": "{:.2f}", "gradient_magnitude": "{:.2f}", } spatial_fmt_4f = {"center_periphery_ratio": "{:.4f}"} for col, fmt in {**spatial_fmt_2f, **spatial_fmt_4f}.items(): spatial_display_df[col] = spatial_display_df[col].map(fmt.format) st.dataframe(spatial_display_df, use_container_width=True) # 空間分析 統計サマリー st.subheader("統計サマリー") spatial_cols = [ "center_mean", "middle_mean", "periphery_mean", "center_periphery_ratio", "gradient_magnitude", ] st.dataframe( _build_stats_df(spatial_df, spatial_cols), use_container_width=True ) st.caption("※ 変動係数 (CV) が小さいほど画像間の再現性が高い") # 空間分析 比較グラフ（2x2 棒グラフ） st.subheader("指標比較グラフ") spatial_metrics = [ ("center_periphery_ratio", "Center/Periphery Ratio", "Ratio", "steelblue"), ("gradient_magnitude", "Gradient Magnitude", "Gradient", "coral"), ("center_mean", "Center Mean Luminance", "Luminance", "mediumseagreen"), ("periphery_mean", "Periphery Mean Luminance", "Luminance", "mediumpurple"), ] spatial_image_names = spatial_df["image_name"].tolist() _render_bar_chart(spatial_df, spatial_image_names, spatial_metrics) # SSIM 再現性評価 ssim_csv = RESULTS_DIR / "summary_ssim.csv" if ssim_csv.exists(): st.header("再現性評価 (Reproducibility)") ssim_stats = pandas.read_csv(ssim_csv, nrows=1) # 位置合わせ後の列が存在するか判定 has_registered = ( "mean_ssim_registered" in ssim_stats.columns and pandas.notna(ssim_stats["mean_ssim_registered"].iloc[0]) and ssim_stats["mean_ssim_registered"].iloc[0] != "" ) # テーブルデータを構築 rows: list[dict] = [ { "統計量": "平均", "SSIM（位置合わせなし）": f"{ssim_stats['mean_ssim'].iloc[0]:.6f}", }, { "統計量": "最小", "SSIM（位置合わせなし）": f"{ssim_stats['min_ssim'].iloc[0]:.6f}", }, { "統計量": "最大", "SSIM（位置合わせなし）": f"{ssim_stats['max_ssim'].iloc[0]:.6f}", }, { "統計量": "標準偏差", "SSIM（位置合わせなし）": f"{ssim_stats['std_ssim'].iloc[0]:.6f}", }, ] if has_registered: for i, key in enumerate( [ "mean_ssim_registered", "min_ssim_registered", "max_ssim_registered", "std_ssim_registered", ] ): rows[i]["SSIM（位置合わせ後）"] = ( f"{float(ssim_stats[key].iloc[0]):.6f}" ) # シフト量の行を追加 rows.append( { "統計量": "平均シフト量 (px)", "SSIM（位置合わせなし）": "—", "SSIM（位置合わせ後）": f"{float(ssim_stats['mean_shift_magnitude'].iloc[0]):.4f}", } ) rows.append( { "統計量": "最大シフト量 (px)", "SSIM（位置合わせなし）": "—", "SSIM（位置合わせ後）": f"{float(ssim_stats['max_shift_magnitude'].iloc[0]):.4f}", } ) ssim_table = pandas.DataFrame(rows) st.dataframe(ssim_table, use_container_width=True, hide_index=True) st.caption("※ SSIM は 1.0 に近いほど画像間の構造的類似度が高く，再現性が良好") def render_tab_individual( df: pandas.DataFrame, spatial_df: pandas.DataFrame | None ) -> None: """タブ2「個別画像」を描画する． Args: df: サマリー DataFrame． spatial_df: 空間分析サマリー DataFrame．存在しない場合は None． """ st.header("個別画像") image_names = df["image_name"].tolist() # session_state でインデックスを管理 if "individual_idx" not in st.session_state: st.session_state.individual_idx = 0 def _go_prev() -> None: new_idx = max(0, st.session_state.individual_idx - 1) st.session_state.individual_idx = new_idx st.session_state.individual_select = image_names[new_idx] def _go_next() -> None: new_idx = min(len(image_names) - 1, st.session_state.individual_idx + 1) st.session_state.individual_idx = new_idx st.session_state.individual_select = image_names[new_idx] def _on_select() -> None: st.session_state.individual_idx = image_names.index( st.session_state.individual_select ) # ナビゲーションボタン btn_prev, btn_next, _ = st.columns([1, 1, 8]) with btn_prev: st.button( "← 前へ", on_click=_go_prev, disabled=st.session_state.individual_idx <= 0, ) with btn_next: st.button( "次へ →", on_click=_go_next, disabled=st.session_state.individual_idx >= len(image_names) - 1, ) # ドロップダウン（ボタン操作と同期） selected = st.selectbox( "画像を選択", image_names, index=st.session_state.individual_idx, key="individual_select", on_change=_on_select, ) # 選択行の指標 row = df[df["image_name"] == selected].iloc[0] st.subheader("均一性指標") col1, col2, col3, col4 = st.columns(4) col1.metric("平均輝度", f"{row['mean']:.2f}") col2.metric("標準偏差", f"{row['std']:.2f}") col3.metric("CoV", f"{row['cov']:.4f}") col4.metric("最大/最小比", f"{row['max_min_ratio']:.4f}") # 空間分析 metric カード if spatial_df is not None: spatial_rows = spatial_df[spatial_df["image_name"] == selected] if not spatial_rows.empty: spatial_row = spatial_rows.iloc[0] st.subheader("空間分析指標") scol1, scol2, scol3, scol4 = st.columns(4) scol1.metric("中心平均", f"{spatial_row['center_mean']:.2f}") scol2.metric("周辺平均", f"{spatial_row['periphery_mean']:.2f}") scol3.metric("中心/周辺比", f"{spatial_row['center_periphery_ratio']:.4f}") scol4.metric("勾配量(%)", f"{spatial_row['gradient_magnitude']:.2f}") # 元画像・輝度マップ・ヒストグラムを横並びで表示 original_path = DATA_DIR / f"{selected}.png" luminance_map_path = FIGURES_DIR / f"{selected}_luminance_map.png" histogram_path = FIGURES_DIR / f"{selected}_histogram.png" st.subheader("元画像 / 輝度マップ / ヒストグラム") orig_col, map_col, hist_col = st.columns([1, 2, 2]) with orig_col: st.caption("元画像（ROI 表示）") if original_path.exists(): roi = load_roi() if roi: st.image(overlay_roi(original_path, roi), use_container_width=True) else: st.image(str(original_path), use_container_width=True) else: st.warning(f"元画像が見つかりません: {original_path.name}") with map_col: st.caption("輝度マップ") if luminance_map_path.exists(): st.image(str(luminance_map_path), use_container_width=True) else: st.warning(f"輝度マップが見つかりません: {luminance_map_path.name}") with hist_col: st.caption("輝度ヒストグラム") if histogram_path.exists(): st.image(str(histogram_path), use_container_width=True) else: st.warning(f"ヒストグラムが見つかりません: {histogram_path.name}") # 放射状プロファイル・ゾーンマップ st.subheader("放射状プロファイル / ゾーンマップ") radial_profile_path = FIGURES_DIR / f"{selected}_radial_profile.png" zone_map_path = FIGURES_DIR / f"{selected}_zone_map.png" profile_col, zone_col = st.columns(2) with profile_col: st.caption("放射状プロファイル") if radial_profile_path.exists(): st.image(str(radial_profile_path), use_container_width=True) else: st.warning( f"放射状プロファイルが見つかりません: {radial_profile_path.name}" ) with zone_col: st.caption("ゾーンマップ") if zone_map_path.exists(): st.image(str(zone_map_path), use_container_width=True) else: st.warning(f"ゾーンマップが見つかりません: {zone_map_path.name}") def main() -> None: """Streamlit アプリのエントリーポイント.""" st.set_page_config( page_title="SmTIAS 照明均一性評価ビューア", page_icon=None, layout="wide", ) st.title("SmTIAS 照明均一性評価ビューア") # サマリー CSV の読み込み try: df = load_summary() except FileNotFoundError as e: st.error(str(e)) return # 空間分析 CSV の読み込み（任意） spatial_df = None if SPATIAL_CSV.exists(): spatial_df = pandas.read_csv(SPATIAL_CSV) tab_overview, tab_individual = st.tabs(["全体比較", "個別画像"]) with tab_overview: render_tab_overview(df, spatial_df) with tab_individual: render_tab_individual(df, spatial_df) if __name__ == "__main__": main()