diff --git a/CLAUDE.md b/CLAUDE.md
index 5e36ff8..1adde03 100644
--- a/CLAUDE.md
+++ b/CLAUDE.md
@@ -5,13 +5,15 @@
 
 ## 開発進捗
 
-現在の進捗: フェーズ 7（実装）— Step 1〜5 完了．
-次のアクション: `/implement Step 6: evaluate CLI + 可視化`（[PLAN_02 参照](docs/03_PLAN/PLAN_02_開発ステップ.md)）
+現在の進捗: フェーズ 7（実装）— Step 1〜6 完了．
+次のアクション: `/implement Step 7: 基準設計のキャリブレーション`（[PLAN_02 参照](docs/03_PLAN/PLAN_02_開発ステップ.md)）
 
 実装済みモジュール:
 - `src/sm_tias_lightsim/uniformity.py` — Rec.709 輝度変換 + CoV/std/max-min（MiniTias-Evaluation コピー）
 - `src/sm_tias_lightsim/evaluation/zones.py` — 正規化楕円距離マップ + 3 ゾーン分類 + ゾーン別統計
 - `src/sm_tias_lightsim/evaluation/radial.py` — 20 ビン放射状輝度プロファイル
+- `src/sm_tias_lightsim/evaluation/roi.py` — `image_pixel` 型矩形 ROI 抽出（2D/3D 配列対応）
+- `src/sm_tias_lightsim/evaluation/visualize.py` — matplotlib 可視化（輝度マップ / ヒストグラム / 放射プロファイル / ゾーンマップ）
 - `src/sm_tias_lightsim/scene/schema.py` — Pydantic ベース YAML スキーマ + ローダ
 - `src/sm_tias_lightsim/geometry/loader.py` — STL 読込（trimesh）+ `LoadedMesh` データクラス
 - `src/sm_tias_lightsim/geometry/transforms.py` — mm⇄m 単位スケール変換
@@ -20,6 +22,7 @@
 - `src/sm_tias_lightsim/render/runner.py` — variant 管理 + `mi.render` 実行
 - `src/sm_tias_lightsim/render/output.py` — PNG / luminance.npy 出力
 - `src/sm_tias_lightsim/cli/render.py` — `sm-render` CLI（YAML → PNG / luminance.npy）
+- `src/sm_tias_lightsim/cli/evaluate.py` — `sm-evaluate` CLI（PNG / luminance.npy → metrics.csv + figures/）
 ※ ステップ完了時にここを更新すること．
 
 ## 必須ルール（コード実装時）
diff --git a/pyproject.toml b/pyproject.toml
index 0215d06..aa16c98 100644
--- a/pyproject.toml
+++ b/pyproject.toml
@@ -19,6 +19,7 @@
 [project.scripts]
 sm-tias-lightsim = "sm_tias_lightsim:main"
 sm-render = "sm_tias_lightsim.cli.render:main"
+sm-evaluate = "sm_tias_lightsim.cli.evaluate:main"
 
 [build-system]
 requires = ["uv_build>=0.11.7,<0.12.0"]
diff --git a/src/sm_tias_lightsim/cli/evaluate.py b/src/sm_tias_lightsim/cli/evaluate.py
new file mode 100644
index 0000000..565964a
--- /dev/null
+++ b/src/sm_tias_lightsim/cli/evaluate.py
@@ -0,0 +1,364 @@
+"""sm-evaluate コマンドラインエントリポイント．
+
+PNG または luminance.npy を入力として均一性評価を実行し，
+metrics.csv と可視化 PNG を出力ディレクトリに保存する．
+
+matplotlib のバックエンドは Agg を強制する（headless 環境対応）．
+evaluate は Mitsuba を使わないため，render.py と異なり遅延 import は不要．
+ただし Agg バックエンドの設定順序を保つため，matplotlib.use() は pyplot import より前に置く．
+"""
+
+from __future__ import annotations
+
+import argparse
+import sys
+from pathlib import Path
+
+import matplotlib
+
+# headless 環境（サーバ・CI 等）でも動くよう Agg バックエンドを強制する．
+# visualize.py より先に設定することで，pyplot import 時に Agg が有効になる．
+matplotlib.use("Agg")
+
+import numpy  # noqa: E402
+import pandas  # noqa: E402
+from PIL import Image  # noqa: E402
+
+from sm_tias_lightsim.evaluation.radial import calc_radial_profile  # noqa: E402
+from sm_tias_lightsim.evaluation.roi import extract_roi  # noqa: E402
+from sm_tias_lightsim.evaluation.visualize import (  # noqa: E402
+    save_histogram,
+    save_luminance_map,
+    save_radial_profile,
+    save_zone_map,
+)
+from sm_tias_lightsim.evaluation.zones import (  # noqa: E402
+    calc_zone_stats,
+    classify_zones,
+    compute_normalized_distance_map,
+)
+from sm_tias_lightsim.scene.schema import EvaluationConfig  # noqa: E402
+from sm_tias_lightsim.uniformity import calc_uniformity, to_grayscale  # noqa: E402
+
+# 出力ファイル名を一元管理する（変更時の影響範囲を最小化するため）
+_METRICS_FILENAME = "metrics.csv"
+_FIGURES_DIRNAME = "figures"
+_LUMINANCE_MAP_FILENAME = "luminance_map.png"
+_HISTOGRAM_FILENAME = "histogram.png"
+_RADIAL_PROFILE_FILENAME = "radial_profile.png"
+_ZONE_MAP_FILENAME = "zone_map.png"
+
+
+def _parse_args(argv: list[str] | None = None) -> argparse.Namespace:
+    """コマンドライン引数をパースして返す．
+
+    Args:
+        argv: 引数リスト．None のとき sys.argv[1:] を使用．
+
+    Returns:
+        パース済み Namespace．
+    """
+    parser = argparse.ArgumentParser(
+        prog="sm-evaluate",
+        description=(
+            "PNG または luminance.npy を読み込み，均一性指標 CSV と可視化 PNG を出力する．"
+        ),
+    )
+    parser.add_argument(
+        "--image",
+        "-i",
+        required=True,
+        type=Path,
+        metavar="IMAGE_PATH",
+        help="評価対象の画像ファイル（PNG または .npy）．",
+    )
+    parser.add_argument(
+        "--config",
+        "-c",
+        required=True,
+        type=Path,
+        metavar="YAML_PATH",
+        help="評価設定 YAML ファイルのパス（SceneConfig または EvaluationConfig 互換）．",
+    )
+    parser.add_argument(
+        "--output",
+        "-o",
+        required=True,
+        type=Path,
+        metavar="OUTPUT_DIR",
+        help="出力先ディレクトリ（存在しない場合は親ごと作成する）．",
+    )
+    return parser.parse_args(argv)
+
+
+def _load_luminance(image_path: Path) -> numpy.ndarray:
+    """画像ファイルを読み込み，輝度配列（2D float64）を返す．
+
+    拡張子が .npy の場合は numpy.load で読み込む．
+    それ以外（PNG 等）は PIL で RGB 画像として読み込み，to_grayscale で変換する．
+    .npy が 3D（H, W, 3）だった場合も to_grayscale を通す．
+
+    Args:
+        image_path: 読み込む画像ファイルのパス．
+
+    Returns:
+        輝度配列（H x W, float64）．
+
+    Raises:
+        FileNotFoundError: ファイルが存在しない場合．
+        ValueError: ファイルを輝度配列に変換できない場合．
+    """
+    if not image_path.exists():
+        msg = f"画像ファイルが見つかりません: {image_path}"
+        raise FileNotFoundError(msg)
+
+    if image_path.suffix.lower() == ".npy":
+        data = numpy.load(image_path)
+        if data.ndim == 3:
+            return to_grayscale(data.astype(numpy.float64))
+        if data.ndim == 2:
+            return data.astype(numpy.float64)
+        msg = f".npy の次元数が不正です（ndim={data.ndim}）．2D または 3D を期待します．"
+        raise ValueError(msg)
+
+    pil_image = Image.open(image_path).convert("RGB")
+    return to_grayscale(numpy.array(pil_image, dtype=numpy.float64))
+
+
+def _load_eval_config(config_path: Path) -> EvaluationConfig:
+    """YAML を読み込んで EvaluationConfig を返す．
+
+    SceneConfig の evaluation サブツリー，または EvaluationConfig 互換の
+    トップレベル YAML の両方をサポートする．
+
+    Args:
+        config_path: YAML ファイルのパス．
+
+    Returns:
+        EvaluationConfig インスタンス．
+
+    Raises:
+        FileNotFoundError: ファイルが存在しない場合．
+        pydantic.ValidationError: スキーマ違反．
+        yaml.YAMLError: YAML 構文エラー．
+    """
+    import yaml
+
+    if not config_path.exists():
+        msg = f"設定 YAML ファイルが見つかりません: {config_path}"
+        raise FileNotFoundError(msg)
+
+    with config_path.open(encoding="utf-8") as f:
+        data = yaml.safe_load(f)
+
+    # "evaluation" キーがあれば SceneConfig 埋め込みとみなしてサブツリーを取得する
+    if isinstance(data, dict) and "evaluation" in data:
+        eval_data = data["evaluation"]
+    else:
+        eval_data = data
+
+    return EvaluationConfig.model_validate(eval_data)
+
+
+def _run_zone_analysis(
+    roi_luminance: numpy.ndarray,
+    zones_config: object,
+) -> tuple[numpy.ndarray, dict] | tuple[None, dict]:
+    """ゾーン分析を実行し，zone_map とゾーン統計を返す．
+
+    Args:
+        roi_luminance: ROI 輝度配列（H x W, float64）．
+        zones_config: ZonesConfig インスタンス（enabled / boundaries を持つ）．
+
+    Returns:
+        (zone_map, zone_stats) のタプル．
+        zones が無効なら (None, {}) を返す．
+
+    Raises:
+        ValueError: ゾーン分析の計算に失敗した場合．
+    """
+    if zones_config is None or not zones_config.enabled:
+        return None, {}
+
+    h, w = roi_luminance.shape
+    distance_map = compute_normalized_distance_map(h, w)
+    zone_map = classify_zones(distance_map, zones_config.boundaries)
+    zone_stats = calc_zone_stats(roi_luminance, zone_map)
+    return zone_map, zone_stats
+
+
+def _run_radial_profile(
+    roi_luminance: numpy.ndarray,
+    metrics_config: object,
+) -> numpy.ndarray | None:
+    """放射状プロファイルを算出して返す．
+
+    Args:
+        roi_luminance: ROI 輝度配列（H x W, float64）．
+        metrics_config: MetricsConfig インスタンス（radial_profile フラグを持つ）．
+
+    Returns:
+        放射状プロファイル配列（(n_bins, 2)），無効時は None．
+    """
+    if metrics_config is None or not metrics_config.radial_profile:
+        return None
+    return calc_radial_profile(roi_luminance)
+
+
+def _save_metrics_csv(metrics: dict, csv_path: Path) -> None:
+    """均一性指標を CSV ファイルとして保存する．
+
+    Args:
+        metrics: 指標名 → 値の辞書．
+        csv_path: 保存先 CSV パス．
+    """
+    df = pandas.DataFrame([metrics])
+    df.to_csv(csv_path, index=False)
+
+
+def _save_figures(
+    roi_luminance: numpy.ndarray,
+    figures_dir: Path,
+    radial_profile: numpy.ndarray | None,
+    zone_map: numpy.ndarray | None,
+) -> None:
+    """可視化 PNG を figures/ ディレクトリに保存する．
+
+    Args:
+        roi_luminance: ROI 輝度配列（H x W, float64）．
+        figures_dir: 保存先ディレクトリ（事前に mkdir 済みであること）．
+        radial_profile: 放射状プロファイル配列，None の場合は保存しない．
+        zone_map: ゾーンマップ配列，None の場合は保存しない．
+    """
+    save_luminance_map(roi_luminance, figures_dir / _LUMINANCE_MAP_FILENAME)
+    save_histogram(roi_luminance, figures_dir / _HISTOGRAM_FILENAME)
+
+    if radial_profile is not None:
+        save_radial_profile(radial_profile, figures_dir / _RADIAL_PROFILE_FILENAME)
+
+    if zone_map is not None:
+        save_zone_map(zone_map, figures_dir / _ZONE_MAP_FILENAME)
+
+
+def _print_summary(metrics: dict, csv_path: Path, figures_dir: Path) -> None:
+    """評価サマリーを標準出力に表示する．
+
+    Args:
+        metrics: 指標名 → 値の辞書．
+        csv_path: metrics.csv の保存先パス（表示用）．
+        figures_dir: figures/ ディレクトリのパス（表示用）．
+    """
+    print("=== 均一性評価サマリー ===")
+    print(f"  CoV            : {metrics['cov']:.6f}")
+    print(f"  std            : {metrics['std']:.4f}")
+    print(f"  max/min ratio  : {metrics['max_min_ratio']:.4f}")
+    print(f"  mean           : {metrics['mean']:.4f}")
+    print(f"  max            : {metrics['max']:.4f}")
+    print(f"  min            : {metrics['min']:.4f}")
+
+    if "center_periphery_ratio" in metrics:
+        print(f"  C/P ratio      : {metrics['center_periphery_ratio']:.4f}")
+        print(f"  gradient [%]   : {metrics['gradient_magnitude']:.2f}")
+
+    print(f"\nmetrics.csv     : {csv_path}")
+    print(f"figures/        : {figures_dir}")
+
+
+def main(argv: list[str] | None = None) -> int:
+    """sm-evaluate コマンドのメインエントリポイント．
+
+    処理フロー:
+        1. コマンドライン引数をパースする．
+        2. 画像ファイルを読み込み，輝度配列を得る．
+        3. YAML 設定ファイルを読み込み，EvaluationConfig を得る．
+        4. 出力ディレクトリと figures/ サブディレクトリを作成する．
+        5. extract_roi で ROI を切り出す．
+        6. calc_uniformity で均一性指標を算出する．
+        7. zones.enabled のときゾーン分析を実行する．
+        8. metrics.radial_profile のとき放射状プロファイルを算出する．
+        9. metrics.csv を保存する．
+        10. 可視化 PNG を figures/ に保存する．
+        11. 算出指標のサマリーを標準出力に表示する．
+
+    Args:
+        argv: 引数リスト．None のとき sys.argv[1:] を使用．
+
+    Returns:
+        終了コード（成功時 0，失敗時 1）．
+    """
+    # argparse 自体のエラー（必須引数欠落等）は ArgumentParser が直接 sys.exit するため
+    # ここでは ValueError / FileNotFoundError 等の実行時エラーのみ捕捉する
+    args = _parse_args(argv)
+
+    image_path: Path = args.image.resolve()
+    config_path: Path = args.config.resolve()
+    output_dir: Path = args.output.resolve()
+
+    try:
+        luminance = _load_luminance(image_path)
+    except FileNotFoundError as exc:
+        print(f"エラー: {exc}", file=sys.stderr)
+        return 1
+    except Exception as exc:  # noqa: BLE001
+        print(f"エラー: 画像の読み込みに失敗しました — {exc}", file=sys.stderr)
+        return 1
+
+    try:
+        eval_config = _load_eval_config(config_path)
+    except FileNotFoundError as exc:
+        print(f"エラー: {exc}", file=sys.stderr)
+        return 1
+    except Exception as exc:  # noqa: BLE001
+        print(f"エラー: 設定 YAML の読み込みに失敗しました — {exc}", file=sys.stderr)
+        return 1
+
+    figures_dir = output_dir / _FIGURES_DIRNAME
+    try:
+        output_dir.mkdir(parents=True, exist_ok=True)
+        figures_dir.mkdir(parents=True, exist_ok=True)
+    except OSError as exc:
+        print(f"エラー: 出力ディレクトリを作成できません — {exc}", file=sys.stderr)
+        return 1
+
+    try:
+        roi_luminance = extract_roi(luminance, eval_config.roi)
+    except (ValueError, NotImplementedError) as exc:
+        print(f"エラー: ROI 抽出に失敗しました — {exc}", file=sys.stderr)
+        return 1
+
+    try:
+        uniformity_stats = calc_uniformity(roi_luminance)
+    except ValueError as exc:
+        print(f"エラー: 均一性指標の算出に失敗しました — {exc}", file=sys.stderr)
+        return 1
+
+    metrics: dict = dict(uniformity_stats)
+
+    try:
+        zone_map, zone_stats = _run_zone_analysis(roi_luminance, eval_config.zones)
+        metrics.update(zone_stats)
+    except ValueError as exc:
+        print(f"エラー: ゾーン分析に失敗しました — {exc}", file=sys.stderr)
+        return 1
+
+    try:
+        radial_profile = _run_radial_profile(roi_luminance, eval_config.metrics)
+    except Exception as exc:  # noqa: BLE001
+        print(f"エラー: 放射状プロファイルの算出に失敗しました — {exc}", file=sys.stderr)
+        return 1
+
+    csv_path = output_dir / _METRICS_FILENAME
+    try:
+        _save_metrics_csv(metrics, csv_path)
+    except Exception as exc:  # noqa: BLE001
+        print(f"エラー: metrics.csv の保存に失敗しました — {exc}", file=sys.stderr)
+        return 1
+
+    try:
+        _save_figures(roi_luminance, figures_dir, radial_profile, zone_map)
+    except Exception as exc:  # noqa: BLE001
+        print(f"エラー: 可視化 PNG の保存に失敗しました — {exc}", file=sys.stderr)
+        return 1
+
+    _print_summary(metrics, csv_path, figures_dir)
+    return 0
diff --git a/src/sm_tias_lightsim/evaluation/roi.py b/src/sm_tias_lightsim/evaluation/roi.py
new file mode 100644
index 0000000..eb9117c
--- /dev/null
+++ b/src/sm_tias_lightsim/evaluation/roi.py
@@ -0,0 +1,57 @@
+"""ROI（関心領域）抽出モジュール．
+
+SPEC_02 の evaluation.roi 仕様に基づき，輝度画像または RGB 画像から
+矩形 ROI を切り出す．現在は image_pixel 型のみ対応．
+"""
+
+from __future__ import annotations
+
+import numpy
+
+from sm_tias_lightsim.scene.schema import RoiConfig
+
+
+def extract_roi(image: numpy.ndarray, roi: RoiConfig) -> numpy.ndarray:
+    """画像から ROI（関心領域）を矩形クロップで抽出する．
+
+    image_pixel 型の ROI 設定に従い，`roi.x`, `roi.y`, `roi.width`, `roi.height` で
+    矩形領域を切り出す．2D（輝度）・3D（RGB）どちらの配列も受け付ける．
+
+    Args:
+        image: 輝度画像（H x W, float64）または RGB 画像（H x W x 3）．
+            先頭 2 軸が H, W であること．
+        roi: ROI 設定（RoiConfig）．type は "image_pixel" のみ対応．
+
+    Returns:
+        ROI でクロップされた配列．入力と同じ次元数を持つ．
+
+    Raises:
+        NotImplementedError: roi.type が "image_pixel" 以外の場合．
+        ValueError: ROI が画像の範囲外にはみ出す場合．
+    """
+    # scene_face 等の将来型は NotImplementedError で明示的に未対応を伝える（SPEC_02 参照）
+    if roi.type != "image_pixel":
+        msg = f"ROI type '{roi.type}' は未対応です．現在は 'image_pixel' のみサポートしています．"
+        raise NotImplementedError(msg)
+
+    img_height, img_width = image.shape[:2]
+
+    x_end = roi.x + roi.width
+    y_end = roi.y + roi.height
+
+    if roi.x < 0 or roi.y < 0:
+        msg = (
+            f"ROI の開始座標 (x={roi.x}, y={roi.y}) が負の値です．"
+            "ROI 設定を確認してください．"
+        )
+        raise ValueError(msg)
+
+    if x_end > img_width or y_end > img_height:
+        msg = (
+            f"ROI (x={roi.x}, y={roi.y}, width={roi.width}, height={roi.height}) が "
+            f"画像サイズ (width={img_width}, height={img_height}) を超えています．"
+            "ROI 設定を確認してください．"
+        )
+        raise ValueError(msg)
+
+    return image[roi.y : y_end, roi.x : x_end]
diff --git a/src/sm_tias_lightsim/evaluation/visualize.py b/src/sm_tias_lightsim/evaluation/visualize.py
new file mode 100644
index 0000000..7b5c3a5
--- /dev/null
+++ b/src/sm_tias_lightsim/evaluation/visualize.py
@@ -0,0 +1,136 @@
+"""可視化モジュール．
+
+matplotlib を使って輝度マップ・ヒストグラム・放射状プロファイル・ゾーンマップを
+PNG として保存する．画面表示は行わない（Agg バックエンド前提）．
+
+各関数は figure を生成 → savefig → plt.close(fig) の形式で実装し，
+メモリリークを防ぐ．
+"""
+
+from __future__ import annotations
+
+from pathlib import Path
+
+import matplotlib
+
+# headless 環境（サーバ・CI 等）でも動くよう Agg バックエンドを強制する．
+# pyplot を import する前に設定しないと既存バックエンドが優先されてしまうため，
+# このモジュール内では matplotlib.use() を pyplot import より前に置く．
+matplotlib.use("Agg")
+
+import matplotlib.patches  # noqa: E402
+import matplotlib.pyplot as plt  # noqa: E402
+import numpy  # noqa: E402
+
+# ゾーンラベルと RGB 値（classify_zones の 0=center/1=middle/2=periphery に対応）
+_ZONE_LABELS = ["center", "middle", "periphery"]
+_ZONE_COLORS_HEX = ["#e74c3c", "#f39c12", "#2ecc71"]
+# hex カラーを [0, 1] RGB タプルに変換しておく（save_zone_map 呼び出しごとの変換を避けるため）
+_ZONE_COLORS_RGB: list[tuple[float, float, float]] = [
+    (int(h[1:3], 16) / 255.0, int(h[3:5], 16) / 255.0, int(h[5:7], 16) / 255.0)
+    for h in _ZONE_COLORS_HEX
+]
+
+
+def _save_figure(fig: matplotlib.figure.Figure, output_path: Path, dpi: int = 150) -> None:
+    """figure を PNG として保存してメモリを解放する．
+
+    tight_layout → savefig → plt.close の順序を統一するためのヘルパ．
+
+    Args:
+        fig: 保存対象の Figure．
+        output_path: 保存先 PNG パス．
+        dpi: 解像度（デフォルト 150）．
+    """
+    fig.tight_layout()
+    fig.savefig(output_path, dpi=dpi)
+    plt.close(fig)
+
+
+def save_luminance_map(luminance: numpy.ndarray, output_path: Path) -> None:
+    """輝度マップを PNG として保存する．
+
+    Args:
+        luminance: 輝度画像（H x W, float）．
+        output_path: 保存先 PNG パス．
+    """
+    fig, ax = plt.subplots(figsize=(6, 5))
+    im = ax.imshow(luminance, cmap="viridis", origin="upper")
+    fig.colorbar(im, ax=ax, label="Luminance")
+    ax.set_title("Luminance Map")
+    ax.set_xlabel("X [px]")
+    ax.set_ylabel("Y [px]")
+    _save_figure(fig, output_path)
+
+
+def save_histogram(luminance: numpy.ndarray, output_path: Path, bins: int = 50) -> None:
+    """輝度ヒストグラムを PNG として保存する．
+
+    Args:
+        luminance: 輝度画像（H x W, float）．
+        output_path: 保存先 PNG パス．
+        bins: ヒストグラムのビン数．デフォルトは 50．
+    """
+    fig, ax = plt.subplots(figsize=(6, 4))
+    ax.hist(luminance.ravel(), bins=bins, color="#3498db", edgecolor="none", alpha=0.8)
+    ax.set_title("Luminance Histogram")
+    ax.set_xlabel("Luminance")
+    ax.set_ylabel("Pixel Count")
+    _save_figure(fig, output_path)
+
+
+def save_radial_profile(profile: numpy.ndarray, output_path: Path) -> None:
+    """放射状輝度プロファイルを線グラフとして PNG に保存する．
+
+    `evaluation/radial.calc_radial_profile` が返す (n_bins, 2) 配列を受け取る．
+
+    Args:
+        profile: 放射状プロファイル配列（shape: (n_bins, 2)）．
+            列 0: 正規化距離（ビン中心），列 1: 平均輝度．空ビンは nan．
+        output_path: 保存先 PNG パス．
+    """
+    distances = profile[:, 0]
+    mean_luminance = profile[:, 1]
+
+    fig, ax = plt.subplots(figsize=(6, 4))
+    ax.plot(distances, mean_luminance, marker="o", markersize=3, linewidth=1.5, color="#2c3e50")
+    ax.set_title("Radial Luminance Profile")
+    ax.set_xlabel("Normalized Distance from Center")
+    ax.set_ylabel("Mean Luminance")
+    ax.set_xlim(0.0, 1.0)
+    ax.grid(True, linestyle="--", alpha=0.5)
+    _save_figure(fig, output_path)
+
+
+def save_zone_map(zone_map: numpy.ndarray, output_path: Path) -> None:
+    """ゾーンマップを 3 色で PNG として保存する．
+
+    `evaluation/zones.classify_zones` が返す int8 配列（0=center, 1=middle, 2=periphery）
+    を 3 色に着色して凡例付きで保存する．
+
+    Args:
+        zone_map: ゾーンラベルマップ（shape: (H, W), dtype: int8）．
+            値は 0（center）, 1（middle）, 2（periphery）．
+        output_path: 保存先 PNG パス．
+    """
+    height, width = zone_map.shape
+    rgb = numpy.zeros((height, width, 3), dtype=numpy.float32)
+
+    for label, color_rgb in enumerate(_ZONE_COLORS_RGB):
+        mask = zone_map == label
+        rgb[mask] = color_rgb
+
+    fig, ax = plt.subplots(figsize=(6, 5))
+    ax.imshow(rgb, origin="upper")
+    ax.set_title("Zone Map")
+    ax.set_xlabel("X [px]")
+    ax.set_ylabel("Y [px]")
+
+    # imshow は自動凡例を持たないため，凡例パッチを手動で生成する
+    legend_patches = [
+        matplotlib.patches.Patch(color=_ZONE_COLORS_HEX[i], label=_ZONE_LABELS[i])
+        for i in range(len(_ZONE_LABELS))
+    ]
+    ax.legend(handles=legend_patches, loc="upper right")
+
+    _save_figure(fig, output_path)
diff --git a/src/sm_tias_lightsim/scene/__init__.py b/src/sm_tias_lightsim/scene/__init__.py
index d0e284c..c885722 100644
--- a/src/sm_tias_lightsim/scene/__init__.py
+++ b/src/sm_tias_lightsim/scene/__init__.py
@@ -1,9 +1,13 @@
-"""scene パッケージ — YAML スキーマ定義・シーン構築モジュール群．"""
+"""scene パッケージ — YAML スキーマ定義・シーン構築モジュール群．
 
-from sm_tias_lightsim.scene.builder import build_scene
+build_scene は Mitsuba を import するため，スキーマだけ必要な場面（評価 CLI 等）で
+不要に Mitsuba をロードしないよう，パッケージ直下では再エクスポートしない．
+利用側は from sm_tias_lightsim.scene.builder import build_scene と直接 import すること．
+"""
+
 from sm_tias_lightsim.scene.schema import (
     SceneConfig,
     load_scene_yaml,
 )
 
-__all__ = ["SceneConfig", "build_scene", "load_scene_yaml"]
+__all__ = ["SceneConfig", "load_scene_yaml"]
diff --git a/tests/cli/test_evaluate.py b/tests/cli/test_evaluate.py
new file mode 100644
index 0000000..7258c7b
--- /dev/null
+++ b/tests/cli/test_evaluate.py
@@ -0,0 +1,629 @@
+"""cli/evaluate.py の仕様ベーステスト（統合テスト）．
+
+仕様出典:
+- docs/04_SPEC/SPEC_01_アーキテクチャ設計.md（evaluate パイプライン・CLI エントリポイント）
+- docs/04_SPEC/SPEC_02_シーン定義仕様.md（evaluation セクション）
+- docs/03_PLAN/PLAN_02_開発ステップ.md（Step 6 完了条件）
+- docs/01_GUIDE/GUIDE_08_テスト方針.md（テスト方針）
+
+Step 6 完了条件:
+  シミュ PNG と実測 PNG の両方で同じ指標 CSV が出ること
+  metrics.csv + figures/{luminance_map, histogram, radial_profile, zone_map}.png が出力される
+
+テスト方針:
+  - subprocess ではなく main() を直接呼ぶ（速度・カバレッジのため）
+  - ファイル I/O はモックせず tmp_path フィクスチャで実ファイルを使う (GUIDE_08)
+  - 乱数を使う場合は seed を必ず固定する (GUIDE_08)
+
+注意:
+  matplotlib の Agg バックエンドは evaluate.py 内部で設定される．
+  テスト側でも安全のため import 前に設定する．
+"""
+
+from __future__ import annotations
+
+import matplotlib  # noqa: I001
+
+# headless 環境でも動くよう Agg バックエンドを pyplot より前に設定する
+matplotlib.use("Agg")
+
+from pathlib import Path
+
+import numpy
+import pytest
+
+from sm_tias_lightsim.cli.evaluate import main
+
+# ---------------------------------------------------------------------------
+# テスト用定数
+# ---------------------------------------------------------------------------
+
+#: tests/fixtures/eval_smoke.yaml の絶対パス
+EVAL_SMOKE_YAML = Path(__file__).parent.parent / "fixtures" / "eval_smoke.yaml"
+
+# ---------------------------------------------------------------------------
+# テスト用ヘルパー
+# ---------------------------------------------------------------------------
+
+
+def _make_luminance_array(seed: int = 0, size: int = 256) -> numpy.ndarray:
+    """ゼロを含まない合成輝度配列を返す（seed 固定）．
+
+    max/min 計算が走るようゼロを含まない値にする (GUIDE_08 補助ガイダンス)
+    """
+    rng = numpy.random.RandomState(seed)
+    return numpy.full((size, size), 100.0) + rng.normal(0, 5, (size, size))
+
+
+def _make_eval_yaml(
+    tmp_path: Path,
+    x: int = 32,
+    y: int = 32,
+    width: int = 192,
+    height: int = 192,
+    zones_enabled: bool = True,
+    radial_profile: bool = True,
+) -> Path:
+    """評価専用 YAML（トップレベルが EvaluationConfig 互換）を tmp_path に書き出す．
+
+    仕様: evaluation キーなし → トップレベルを EvaluationConfig として検証する
+         (cli/evaluate.py _load_eval_config)
+    """
+    content = f"""\
+roi:
+  type: image_pixel
+  x: {x}
+  y: {y}
+  width: {width}
+  height: {height}
+zones:
+  enabled: {'true' if zones_enabled else 'false'}
+  boundaries: [0.33, 0.66]
+metrics:
+  cov: true
+  std: true
+  max_min: true
+  radial_profile: {'true' if radial_profile else 'false'}
+"""
+    yaml_path = tmp_path / "eval_config.yaml"
+    yaml_path.write_text(content, encoding="utf-8")
+    return yaml_path
+
+
+def _run_main(npy_path: Path, config_path: Path, output_dir: Path) -> int:
+    """main() を呼ぶ共通ラッパー（行長削減のため）．"""
+    return main(
+        ["--image", str(npy_path), "--config", str(config_path), "--output", str(output_dir)]
+    )
+
+
+# ---------------------------------------------------------------------------
+# 1. 正常系 — .npy 2D 入力 + 評価専用 YAML
+# ---------------------------------------------------------------------------
+
+
+def test_npy_2d_returns_0(tmp_path: Path):
+    """2D .npy 輝度配列を入力として main() が 0 を返すこと．
+
+    仕様: .npy は 2D ならそのまま使用（cli/evaluate.py _load_luminance）
+    """
+    luminance = _make_luminance_array(seed=0)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+    config_path = _make_eval_yaml(tmp_path)
+    output_dir = tmp_path / "output"
+    result = _run_main(npy_path, config_path, output_dir)
+    assert result == 0
+
+
+def test_npy_2d_creates_metrics_csv(tmp_path: Path):
+    """2D .npy 入力後に metrics.csv が生成されること．
+
+    仕様: 出力: output_dir/metrics.csv（cli/evaluate.py 処理フロー ステップ 8）
+    """
+    luminance = _make_luminance_array(seed=0)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+    config_path = _make_eval_yaml(tmp_path)
+    output_dir = tmp_path / "output"
+    _run_main(npy_path, config_path, output_dir)
+    assert (output_dir / "metrics.csv").exists()
+
+
+def test_npy_2d_metrics_csv_contains_expected_columns(tmp_path: Path):
+    """metrics.csv に必須列が含まれること．
+
+    仕様:
+      - 基本指標: cov, std, max_min_ratio, mean, max, min (uniformity.py calc_uniformity)
+      - ゾーン指標: center_mean, center_std, middle_mean, middle_std,
+                   periphery_mean, periphery_std, center_periphery_ratio, gradient_magnitude
+                   (zones.py calc_zone_stats)
+    """
+    import pandas
+
+    luminance = _make_luminance_array(seed=1)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+    config_path = _make_eval_yaml(tmp_path, zones_enabled=True)
+    output_dir = tmp_path / "output"
+    _run_main(npy_path, config_path, output_dir)
+
+    df = pandas.read_csv(output_dir / "metrics.csv")
+    expected_cols = {
+        "cov", "std", "max_min_ratio", "mean", "max", "min",
+        "center_mean", "center_std", "middle_mean", "middle_std",
+        "periphery_mean", "periphery_std", "center_periphery_ratio", "gradient_magnitude",
+    }
+    assert expected_cols.issubset(set(df.columns))
+
+
+def test_npy_2d_creates_figures(tmp_path: Path):
+    """2D .npy 入力後に figures/ 内の 4 つの PNG が生成されること．
+
+    仕様: output_dir/figures/{luminance_map, histogram, radial_profile, zone_map}.png
+         (SPEC_01 全体パイプライン)
+    """
+    luminance = _make_luminance_array(seed=2)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+    config_path = _make_eval_yaml(tmp_path, zones_enabled=True, radial_profile=True)
+    output_dir = tmp_path / "output"
+    _run_main(npy_path, config_path, output_dir)
+
+    figures_dir = output_dir / "figures"
+    assert (figures_dir / "luminance_map.png").exists()
+    assert (figures_dir / "histogram.png").exists()
+    assert (figures_dir / "radial_profile.png").exists()
+    assert (figures_dir / "zone_map.png").exists()
+
+
+# ---------------------------------------------------------------------------
+# 2. 正常系 — PNG 入力
+# ---------------------------------------------------------------------------
+
+
+def test_png_input_returns_0(tmp_path: Path):
+    """合成 RGB PNG を入力として main() が 0 を返すこと．
+
+    仕様: PNG は PIL で RGB 読み込み → to_grayscale 経由（cli/evaluate.py _load_luminance）
+    """
+    from PIL import Image
+
+    rng = numpy.random.RandomState(3)
+    rgb = (numpy.full((256, 256, 3), 100) + rng.randint(0, 30, (256, 256, 3))).astype(numpy.uint8)
+    pil_img = Image.fromarray(rgb, mode="RGB")
+    png_path = tmp_path / "render.png"
+    pil_img.save(png_path)
+
+    config_path = _make_eval_yaml(tmp_path)
+    output_dir = tmp_path / "output"
+    result = main(
+        ["--image", str(png_path), "--config", str(config_path), "--output", str(output_dir)]
+    )
+    assert result == 0
+
+
+def test_png_input_creates_metrics_csv(tmp_path: Path):
+    """PNG 入力後に metrics.csv が生成されること．"""
+    from PIL import Image
+
+    rng = numpy.random.RandomState(4)
+    rgb = (numpy.full((256, 256, 3), 100) + rng.randint(0, 30, (256, 256, 3))).astype(numpy.uint8)
+    pil_img = Image.fromarray(rgb, mode="RGB")
+    png_path = tmp_path / "render.png"
+    pil_img.save(png_path)
+
+    config_path = _make_eval_yaml(tmp_path)
+    output_dir = tmp_path / "output"
+    main(
+        ["--image", str(png_path), "--config", str(config_path), "--output", str(output_dir)]
+    )
+    assert (output_dir / "metrics.csv").exists()
+
+
+# ---------------------------------------------------------------------------
+# 3. 正常系 — SceneConfig 形式 YAML（evaluation サブツリー）
+# ---------------------------------------------------------------------------
+
+
+def test_scene_config_yaml_with_evaluation_key_returns_0(tmp_path: Path):
+    """evaluation キーを持つ YAML（SceneConfig 形式）でも成功すること．
+
+    仕様: "evaluation" キーがあれば SceneConfig 埋め込みとみなし，
+         data["evaluation"] を EvaluationConfig として検証する
+         (cli/evaluate.py _load_eval_config)
+    注意: SceneConfig の他フィールドは無視されるため，evaluation キーだけあれば十分
+    """
+    luminance = _make_luminance_array(seed=5)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+
+    # evaluation キーを持つ YAML（他フィールドはダミー）
+    yaml_content = """\
+# SceneConfig 形式: evaluation サブツリーを持つダミー YAML
+some_other_key: dummy_value
+evaluation:
+  roi:
+    type: image_pixel
+    x: 32
+    y: 32
+    width: 192
+    height: 192
+  zones:
+    enabled: true
+    boundaries: [0.33, 0.66]
+  metrics:
+    cov: true
+    std: true
+    max_min: true
+    radial_profile: true
+"""
+    config_path = tmp_path / "scene_with_eval.yaml"
+    config_path.write_text(yaml_content, encoding="utf-8")
+
+    output_dir = tmp_path / "output"
+    result = _run_main(npy_path, config_path, output_dir)
+    assert result == 0
+    assert (output_dir / "metrics.csv").exists()
+
+
+# ---------------------------------------------------------------------------
+# 4. 正常系 — .npy 3D（RGB）入力
+# ---------------------------------------------------------------------------
+
+
+def test_npy_3d_rgb_returns_0(tmp_path: Path):
+    """3D の .npy（H, W, 3）を渡すと to_grayscale で 2D 化されて成功すること．
+
+    仕様: .npy が 3D（H, W, 3）だった場合も to_grayscale を通す
+         (cli/evaluate.py _load_luminance)
+    """
+    rng = numpy.random.RandomState(6)
+    rgb = numpy.full((256, 256, 3), 100.0) + rng.normal(0, 5, (256, 256, 3))
+    npy_path = tmp_path / "luminance_rgb.npy"
+    numpy.save(npy_path, rgb)
+
+    config_path = _make_eval_yaml(tmp_path)
+    output_dir = tmp_path / "output"
+    result = _run_main(npy_path, config_path, output_dir)
+    assert result == 0
+
+
+def test_npy_3d_rgb_creates_metrics_csv(tmp_path: Path):
+    """3D .npy 入力後に metrics.csv が生成されること．"""
+    rng = numpy.random.RandomState(7)
+    rgb = numpy.full((256, 256, 3), 100.0) + rng.normal(0, 5, (256, 256, 3))
+    npy_path = tmp_path / "luminance_rgb.npy"
+    numpy.save(npy_path, rgb)
+
+    config_path = _make_eval_yaml(tmp_path)
+    output_dir = tmp_path / "output"
+    _run_main(npy_path, config_path, output_dir)
+    assert (output_dir / "metrics.csv").exists()
+
+
+# ---------------------------------------------------------------------------
+# 5. 正常系 — zones.enabled = false
+# ---------------------------------------------------------------------------
+
+
+def test_zones_disabled_csv_no_zone_columns(tmp_path: Path):
+    """zones.enabled=false の場合，metrics.csv に center_mean 等のカラムが含まれないこと．
+
+    仕様: zones.enabled のときゾーン分析を実行する（cli/evaluate.py 処理フロー ステップ 6）
+    """
+    import pandas
+
+    luminance = _make_luminance_array(seed=8)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+    config_path = _make_eval_yaml(tmp_path, zones_enabled=False)
+    output_dir = tmp_path / "output"
+    _run_main(npy_path, config_path, output_dir)
+
+    df = pandas.read_csv(output_dir / "metrics.csv")
+    assert "center_mean" not in df.columns
+    assert "gradient_magnitude" not in df.columns
+
+
+def test_zones_disabled_no_zone_map_png(tmp_path: Path):
+    """zones.enabled=false の場合，zone_map.png が生成されないこと．
+
+    仕様: zone_map が None のとき save_zone_map は呼ばれない（cli/evaluate.py 処理フロー）
+    """
+    luminance = _make_luminance_array(seed=9)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+    config_path = _make_eval_yaml(tmp_path, zones_enabled=False)
+    output_dir = tmp_path / "output"
+    _run_main(npy_path, config_path, output_dir)
+
+    assert not (output_dir / "figures" / "zone_map.png").exists()
+
+
+# ---------------------------------------------------------------------------
+# 6. 正常系 — metrics.radial_profile = false
+# ---------------------------------------------------------------------------
+
+
+def test_radial_profile_disabled_no_png(tmp_path: Path):
+    """metrics.radial_profile=false の場合，radial_profile.png が生成されないこと．
+
+    仕様: metrics.radial_profile が有効のとき放射状プロファイルを算出する
+         (cli/evaluate.py 処理フロー ステップ 7)
+    """
+    luminance = _make_luminance_array(seed=10)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+    config_path = _make_eval_yaml(tmp_path, radial_profile=False)
+    output_dir = tmp_path / "output"
+    _run_main(npy_path, config_path, output_dir)
+
+    assert not (output_dir / "figures" / "radial_profile.png").exists()
+
+
+# ---------------------------------------------------------------------------
+# 7. 正常系 — eval_smoke.yaml フィクスチャを使ったスモークテスト
+# ---------------------------------------------------------------------------
+
+
+def test_eval_smoke_yaml_fixture_returns_0(tmp_path: Path):
+    """tests/fixtures/eval_smoke.yaml を使って main() が 0 を返すこと．
+
+    仕様: eval_smoke.yaml（評価専用，evaluation キーなし，トップレベルが EvaluationConfig）
+    """
+    # eval_smoke.yaml の ROI: x=112, y=112, width=32, height=32
+    # → 画像は 144x144 以上必要
+    luminance = _make_luminance_array(seed=99, size=256)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+    output_dir = tmp_path / "output"
+    result = main(
+        [
+            "--image", str(npy_path),
+            "--config", str(EVAL_SMOKE_YAML),
+            "--output", str(output_dir),
+        ]
+    )
+    assert result == 0
+
+
+# ---------------------------------------------------------------------------
+# 8. 異常系 — 画像ファイルが存在しない
+# ---------------------------------------------------------------------------
+
+
+def test_nonexistent_image_returns_1(tmp_path: Path):
+    """存在しない画像ファイルを渡すと main() が 1 を返すこと．
+
+    仕様: FileNotFoundError 捕捉 → return 1（cli/evaluate.py 処理フロー ステップ 1）
+    """
+    config_path = _make_eval_yaml(tmp_path)
+    output_dir = tmp_path / "output"
+    result = main(
+        [
+            "--image", str(tmp_path / "nonexistent.npy"),
+            "--config", str(config_path),
+            "--output", str(output_dir),
+        ]
+    )
+    assert result == 1
+
+
+def test_nonexistent_image_stderr_message(tmp_path: Path, capsys):
+    """存在しない画像ファイルのエラーメッセージが stderr に出ること．"""
+    config_path = _make_eval_yaml(tmp_path)
+    output_dir = tmp_path / "output"
+    main(
+        [
+            "--image", str(tmp_path / "nonexistent.npy"),
+            "--config", str(config_path),
+            "--output", str(output_dir),
+        ]
+    )
+    captured = capsys.readouterr()
+    assert "エラー" in captured.err
+
+
+# ---------------------------------------------------------------------------
+# 9. 異常系 — YAML ファイルが存在しない
+# ---------------------------------------------------------------------------
+
+
+def test_nonexistent_config_returns_1(tmp_path: Path):
+    """存在しない YAML ファイルを渡すと main() が 1 を返すこと．
+
+    仕様: FileNotFoundError 捕捉 → return 1（cli/evaluate.py 処理フロー ステップ 2）
+    """
+    luminance = _make_luminance_array(seed=11)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+    output_dir = tmp_path / "output"
+    result = main(
+        [
+            "--image", str(npy_path),
+            "--config", str(tmp_path / "nonexistent.yaml"),
+            "--output", str(output_dir),
+        ]
+    )
+    assert result == 1
+
+
+# ---------------------------------------------------------------------------
+# 10. 異常系 — YAML が EvaluationConfig として不正（roi が無い）
+# ---------------------------------------------------------------------------
+
+
+def test_invalid_config_no_roi_returns_1(tmp_path: Path):
+    """roi フィールドが欠落した YAML を渡すと main() が 1 を返すこと．
+
+    仕様: Pydantic ValidationError → return 1（cli/evaluate.py 処理フロー ステップ 2）
+    """
+    luminance = _make_luminance_array(seed=12)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+
+    # roi フィールドが無い不正 YAML
+    invalid_content = """\
+zones:
+  enabled: true
+  boundaries: [0.33, 0.66]
+"""
+    config_path = tmp_path / "invalid_eval.yaml"
+    config_path.write_text(invalid_content, encoding="utf-8")
+
+    output_dir = tmp_path / "output"
+    result = main(
+        [
+            "--image", str(npy_path),
+            "--config", str(config_path),
+            "--output", str(output_dir),
+        ]
+    )
+    assert result == 1
+
+
+# ---------------------------------------------------------------------------
+# 11. 異常系 — ROI が画像範囲外
+# ---------------------------------------------------------------------------
+
+
+def test_roi_out_of_bounds_returns_1(tmp_path: Path):
+    """ROI が画像範囲外のとき main() が 1 を返すこと．
+
+    仕様: extract_roi が ValueError → return 1（cli/evaluate.py 処理フロー ステップ 4）
+    """
+    # 小さい画像（64x64）だが ROI は x=200, y=200 → 範囲外
+    luminance = _make_luminance_array(seed=13, size=64)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+
+    out_of_bounds_content = """\
+roi:
+  type: image_pixel
+  x: 200
+  y: 200
+  width: 50
+  height: 50
+"""
+    config_path = tmp_path / "out_of_bounds.yaml"
+    config_path.write_text(out_of_bounds_content, encoding="utf-8")
+
+    output_dir = tmp_path / "output"
+    result = main(
+        [
+            "--image", str(npy_path),
+            "--config", str(config_path),
+            "--output", str(output_dir),
+        ]
+    )
+    assert result == 1
+
+
+# ---------------------------------------------------------------------------
+# 12. 異常系 — 輝度に 0 が含まれて max/min が計算不能
+# ---------------------------------------------------------------------------
+
+
+def test_zero_luminance_returns_1(tmp_path: Path):
+    """輝度に 0 が含まれる場合，calc_uniformity が ValueError を投げて main() が 1 を返すこと．
+
+    仕様: 輝度の最小値が 0 の場合は ValueError（uniformity.py calc_uniformity）
+         → return 1（cli/evaluate.py 処理フロー ステップ 5）
+    """
+    # 全画素を 0 にする（min == 0 → ValueError）
+    luminance = numpy.zeros((256, 256), dtype=numpy.float64)
+    npy_path = tmp_path / "zero_luminance.npy"
+    numpy.save(npy_path, luminance)
+
+    config_path = _make_eval_yaml(tmp_path)
+    output_dir = tmp_path / "output"
+    result = _run_main(npy_path, config_path, output_dir)
+    assert result == 1
+
+
+# ---------------------------------------------------------------------------
+# 13. 異常系 — 必須引数欠落（argparse が SystemExit を投げる）
+# ---------------------------------------------------------------------------
+
+
+def test_missing_image_arg_exits():
+    """--image を渡さないと SystemExit が発生すること．
+
+    仕様: --image は必須引数（cli/evaluate.py _parse_args, required=True）
+    argparse の required=True は SystemExit を発生させる．
+    """
+    with pytest.raises(SystemExit) as exc_info:
+        main(["--config", "dummy.yaml", "--output", "/tmp/out"])
+    assert exc_info.value.code != 0
+
+
+def test_missing_config_arg_exits():
+    """--config を渡さないと SystemExit が発生すること．"""
+    with pytest.raises(SystemExit) as exc_info:
+        main(["--image", "dummy.npy", "--output", "/tmp/out"])
+    assert exc_info.value.code != 0
+
+
+def test_missing_output_arg_exits():
+    """--output を渡さないと SystemExit が発生すること．"""
+    with pytest.raises(SystemExit) as exc_info:
+        main(["--image", "dummy.npy", "--config", "dummy.yaml"])
+    assert exc_info.value.code != 0
+
+
+def test_no_args_exits():
+    """引数なしで呼ぶと SystemExit が発生すること．"""
+    with pytest.raises(SystemExit) as exc_info:
+        main([])
+    assert exc_info.value.code != 0
+
+
+# ---------------------------------------------------------------------------
+# 14. 短縮引数 -i / -c / -o
+# ---------------------------------------------------------------------------
+
+
+def test_short_args_work(tmp_path: Path):
+    """-i / -c / -o の短縮形でも --image / --config / --output と同等に動くこと．
+
+    仕様: --image/-i, --config/-c, --output/-o の短縮形を提供する
+         (cli/evaluate.py _parse_args)
+    """
+    luminance = _make_luminance_array(seed=14)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+    config_path = _make_eval_yaml(tmp_path)
+    output_dir = tmp_path / "output"
+    result = main(["-i", str(npy_path), "-c", str(config_path), "-o", str(output_dir)])
+    assert result == 0
+
+
+# ---------------------------------------------------------------------------
+# 15. 出力ディレクトリの自動作成
+# ---------------------------------------------------------------------------
+
+
+def test_deep_nested_output_dir_created(tmp_path: Path):
+    """存在しない深いネストのディレクトリも自動作成されること．
+
+    仕様: output_dir.mkdir(parents=True, exist_ok=True) で親ごと作成する
+         (cli/evaluate.py 処理フロー ステップ 3)
+    """
+    luminance = _make_luminance_array(seed=15)
+    npy_path = tmp_path / "luminance.npy"
+    numpy.save(npy_path, luminance)
+    config_path = _make_eval_yaml(tmp_path)
+
+    deep_output = tmp_path / "deep" / "nested" / "out"
+    assert not deep_output.exists()
+    result = main(
+        [
+            "--image", str(npy_path),
+            "--config", str(config_path),
+            "--output", str(deep_output),
+        ]
+    )
+    assert result == 0
+    assert deep_output.exists()
+    assert (deep_output / "metrics.csv").exists()
diff --git a/tests/evaluation/test_roi.py b/tests/evaluation/test_roi.py
new file mode 100644
index 0000000..18f7cd6
--- /dev/null
+++ b/tests/evaluation/test_roi.py
@@ -0,0 +1,218 @@
+"""evaluation/roi.py の仕様ベーステスト．
+
+仕様出典:
+- docs/04_SPEC/SPEC_01_アーキテクチャ設計.md（evaluation/roi 層の責務）
+- docs/04_SPEC/SPEC_02_シーン定義仕様.md（evaluation.roi スキーマ）
+- docs/01_GUIDE/GUIDE_08_テスト方針.md（テスト方針）
+
+evaluation/roi の責務:
+  画像 + ROI 定義 → ROI 内の輝度配列
+  image_pixel / scene_face 両対応（現在は image_pixel のみ実装）
+
+テスト方針:
+  - RoiConfig を直接構築して extract_roi の振る舞いを検証する
+  - ファイル I/O はモックせず実 ndarray を使う (GUIDE_08)
+  - numpy.testing.assert_array_equal で配列値の一致を確認する
+"""
+
+from __future__ import annotations
+
+import numpy
+import numpy.testing
+import pytest
+
+from sm_tias_lightsim.evaluation.roi import extract_roi
+from sm_tias_lightsim.scene.schema import RoiConfig  # noqa: I001
+
+# ---------------------------------------------------------------------------
+# テスト用ヘルパー
+# ---------------------------------------------------------------------------
+
+
+def _make_roi(x: int, y: int, width: int, height: int) -> RoiConfig:
+    """テスト用 RoiConfig を構築するヘルパー（image_pixel 固定）．"""
+    return RoiConfig(type="image_pixel", x=x, y=y, width=width, height=height)
+
+
+# ---------------------------------------------------------------------------
+# 1. 2D 入力（輝度配列）
+# ---------------------------------------------------------------------------
+
+
+def test_extract_roi_2d_shape():
+    """2D 輝度配列から切り出した ROI の shape が (height, width) になること．
+
+    仕様: 画像 + ROI 定義 → ROI 内の輝度配列（SPEC_01 evaluation/roi 責務）
+    入力 100x100，中央 ROI (x=20, y=20, w=40, h=40) → shape (40, 40)
+    """
+    image = numpy.zeros((100, 100), dtype=numpy.float64)
+    roi = _make_roi(x=20, y=20, width=40, height=40)
+    result = extract_roi(image, roi)
+    assert result.shape == (40, 40)
+
+
+def test_extract_roi_2d_values_match():
+    """2D 配列の ROI 切り出し値が元の配列の対応領域と一致すること．
+
+    仕様: ROI クロップは元配列の対応領域と値が同一でなければならない
+    """
+    rng = numpy.random.RandomState(42)
+    image = rng.uniform(1.0, 200.0, (100, 100)).astype(numpy.float64)
+    roi = _make_roi(x=20, y=20, width=40, height=40)
+    result = extract_roi(image, roi)
+    expected = image[20:60, 20:60]
+    numpy.testing.assert_array_equal(result, expected)
+
+
+# ---------------------------------------------------------------------------
+# 2. 3D 入力（RGB 配列）
+# ---------------------------------------------------------------------------
+
+
+def test_extract_roi_3d_shape():
+    """3D RGB 配列から切り出した ROI の shape が (height, width, 3) になること．
+
+    仕様: 先頭 2 軸が H, W であること（evaluation/roi.py extract_roi docstring）
+    """
+    image = numpy.zeros((100, 100, 3), dtype=numpy.uint8)
+    roi = _make_roi(x=20, y=20, width=40, height=40)
+    result = extract_roi(image, roi)
+    assert result.shape == (40, 40, 3)
+
+
+def test_extract_roi_3d_values_match():
+    """3D RGB 配列の ROI 切り出し値が元の配列の対応領域と一致すること．"""
+    rng = numpy.random.RandomState(0)
+    image = rng.randint(0, 256, (100, 100, 3), dtype=numpy.uint8)
+    roi = _make_roi(x=20, y=20, width=40, height=40)
+    result = extract_roi(image, roi)
+    expected = image[20:60, 20:60, :]
+    numpy.testing.assert_array_equal(result, expected)
+
+
+# ---------------------------------------------------------------------------
+# 3. 境界ケース（ぴったり端）
+# ---------------------------------------------------------------------------
+
+
+def test_extract_roi_2d_exact_boundary():
+    """x+width == img_width かつ y+height == img_height でエラーにならないこと．
+
+    仕様: 画像範囲内であれば ROI 抽出は成功しなければならない
+    """
+    image = numpy.ones((100, 100), dtype=numpy.float64)
+    roi = _make_roi(x=60, y=60, width=40, height=40)  # 60+40 == 100 == img_width
+    result = extract_roi(image, roi)
+    assert result.shape == (40, 40)
+
+
+def test_extract_roi_3d_exact_boundary():
+    """3D 配列でも x+width == img_width かつ y+height == img_height でエラーにならないこと．"""
+    image = numpy.ones((100, 100, 3), dtype=numpy.float64)
+    roi = _make_roi(x=60, y=60, width=40, height=40)
+    result = extract_roi(image, roi)
+    assert result.shape == (40, 40, 3)
+
+
+def test_extract_roi_starts_at_origin():
+    """x=0, y=0 から始まる ROI（左上角からのクロップ）でエラーにならないこと．"""
+    image = numpy.arange(10000, dtype=numpy.float64).reshape(100, 100)
+    roi = _make_roi(x=0, y=0, width=10, height=10)
+    result = extract_roi(image, roi)
+    assert result.shape == (10, 10)
+    numpy.testing.assert_array_equal(result, image[0:10, 0:10])
+
+
+# ---------------------------------------------------------------------------
+# 4. 範囲外（はみ出し）
+# ---------------------------------------------------------------------------
+
+
+def test_extract_roi_raises_when_x_overflow():
+    """x + width > img_width で ValueError が発生すること．
+
+    仕様: ROI が画像の範囲外にはみ出す場合は ValueError (evaluation/roi.py docstring)
+    """
+    image = numpy.zeros((100, 100), dtype=numpy.float64)
+    roi = _make_roi(x=70, y=0, width=40, height=10)  # 70+40=110 > 100
+    with pytest.raises(ValueError):
+        extract_roi(image, roi)
+
+
+def test_extract_roi_raises_when_y_overflow():
+    """y + height > img_height で ValueError が発生すること．"""
+    image = numpy.zeros((100, 100), dtype=numpy.float64)
+    roi = _make_roi(x=0, y=70, width=10, height=40)  # 70+40=110 > 100
+    with pytest.raises(ValueError):
+        extract_roi(image, roi)
+
+
+def test_extract_roi_raises_when_both_overflow():
+    """x + width > img_width かつ y + height > img_height で ValueError が発生すること．"""
+    image = numpy.zeros((100, 100), dtype=numpy.float64)
+    roi = _make_roi(x=70, y=70, width=40, height=40)  # 110 > 100 in both axes
+    with pytest.raises(ValueError):
+        extract_roi(image, roi)
+
+
+# ---------------------------------------------------------------------------
+# 5. ゼロサイズではないが範囲外（x が画像幅以上）
+# ---------------------------------------------------------------------------
+
+
+def test_extract_roi_raises_when_x_equals_img_width():
+    """x が img_width と等しい（x = img_width）場合に ValueError が発生すること．
+
+    仕様: x + width > img_width の場合にエラー (roi.py docstring)
+    x=100, width=1 → 101 > 100 → ValueError
+    """
+    image = numpy.zeros((100, 100), dtype=numpy.float64)
+    roi = _make_roi(x=100, y=0, width=1, height=10)  # 100+1=101 > 100
+    with pytest.raises(ValueError):
+        extract_roi(image, roi)
+
+
+def test_extract_roi_raises_when_y_equals_img_height():
+    """y が img_height と等しい（y = img_height）場合に ValueError が発生すること．"""
+    image = numpy.zeros((100, 100), dtype=numpy.float64)
+    roi = _make_roi(x=0, y=100, width=10, height=1)  # 100+1=101 > 100
+    with pytest.raises(ValueError):
+        extract_roi(image, roi)
+
+
+# ---------------------------------------------------------------------------
+# 6. 1D 配列の取り扱い
+# ---------------------------------------------------------------------------
+
+
+def test_extract_roi_1d_array_raises():
+    """1D 配列を渡したとき ValueError または IndexError が発生すること．
+
+    仕様: 先頭 2 軸が H, W であること（docstring）．
+    1D 配列では image.shape[:2] のアンパックが失敗するため例外が発生する．
+    実装は shape[:2] を img_height, img_width にアンパックするので
+    ValueError か IndexError（または同等のエラー）が発生することを確認する．
+    """
+    image = numpy.ones(100, dtype=numpy.float64)  # 1D
+    roi = _make_roi(x=0, y=0, width=10, height=10)
+    with pytest.raises((ValueError, IndexError)):
+        extract_roi(image, roi)
+
+
+# ---------------------------------------------------------------------------
+# 7. image_pixel 以外の ROI type
+# ---------------------------------------------------------------------------
+
+
+def test_extract_roi_raises_not_implemented_for_scene_face():
+    """roi.type が 'image_pixel' 以外のとき NotImplementedError が発生すること．
+
+    仕様: scene_face 型は将来実装予定（SPEC_02 evaluation.roi節），
+          現在は image_pixel のみサポート（evaluation/roi.py docstring）
+    """
+    # Pydantic の Literal["image_pixel"] バリデーションを回避するため
+    # model_construct でダミーオブジェクトを構築する
+    roi = RoiConfig.model_construct(type="scene_face", x=0, y=0, width=10, height=10)
+    image = numpy.zeros((100, 100), dtype=numpy.float64)
+    with pytest.raises(NotImplementedError):
+        extract_roi(image, roi)
diff --git a/tests/evaluation/test_visualize.py b/tests/evaluation/test_visualize.py
new file mode 100644
index 0000000..382ad06
--- /dev/null
+++ b/tests/evaluation/test_visualize.py
@@ -0,0 +1,201 @@
+"""evaluation/visualize.py の仕様ベーステスト（smoke テスト）．
+
+仕様出典:
+- docs/04_SPEC/SPEC_01_アーキテクチャ設計.md（evaluation/visualize 層の責務）
+- docs/01_GUIDE/GUIDE_08_テスト方針.md（可視化は smoke テストで十分）
+
+テスト方針 (GUIDE_08):
+  可視化の smoke テストは「ファイルが生成されたか」「ファイルサイズが 0 でないか」程度で十分．
+  図の見栄えはテストしない．
+  matplotlib.use("Agg") を pyplot の import より前に呼ぶこと．
+"""
+
+from __future__ import annotations
+
+import matplotlib
+
+# headless 環境でも動くよう Agg バックエンドを pyplot より前に設定する
+matplotlib.use("Agg")
+
+from pathlib import Path
+
+import numpy
+
+from sm_tias_lightsim.evaluation.visualize import (
+    save_histogram,
+    save_luminance_map,
+    save_radial_profile,
+    save_zone_map,
+)
+
+# ---------------------------------------------------------------------------
+# テスト用ヘルパー：合成輝度配列
+# ---------------------------------------------------------------------------
+
+
+def _make_luminance(size: int = 16) -> numpy.ndarray:
+    """テスト用の合成輝度配列（全画素 100.0 ± 小さなノイズ）を返す．
+
+    乱数 seed を固定して再現性を保証する (GUIDE_08: seed を必ず固定する)
+    """
+    rng = numpy.random.RandomState(0)
+    return numpy.full((size, size), 100.0) + rng.normal(0, 5, (size, size))
+
+
+# ---------------------------------------------------------------------------
+# 1. save_luminance_map
+# ---------------------------------------------------------------------------
+
+
+def test_save_luminance_map_creates_file(tmp_path: Path):
+    """save_luminance_map を呼ぶと PNG ファイルが生成されること．
+
+    仕様: 輝度マップを PNG として保存する（visualize.py save_luminance_map）
+    """
+    luminance = _make_luminance()
+    output_path = tmp_path / "luminance_map.png"
+    save_luminance_map(luminance, output_path)
+    assert output_path.exists()
+
+
+def test_save_luminance_map_file_not_empty(tmp_path: Path):
+    """生成された PNG ファイルのサイズが 0 より大きいこと．
+
+    仕様: 正しい PNG として書き出されること（visualize.py save_luminance_map）
+    """
+    luminance = _make_luminance()
+    output_path = tmp_path / "luminance_map.png"
+    save_luminance_map(luminance, output_path)
+    assert output_path.stat().st_size > 0
+
+
+# ---------------------------------------------------------------------------
+# 2. save_histogram
+# ---------------------------------------------------------------------------
+
+
+def test_save_histogram_creates_file(tmp_path: Path):
+    """save_histogram を呼ぶと PNG ファイルが生成されること．
+
+    仕様: 輝度ヒストグラムを PNG として保存する（visualize.py save_histogram）
+    """
+    luminance = _make_luminance()
+    output_path = tmp_path / "histogram.png"
+    save_histogram(luminance, output_path)
+    assert output_path.exists()
+
+
+def test_save_histogram_file_not_empty(tmp_path: Path):
+    """生成された histogram PNG ファイルのサイズが 0 より大きいこと．"""
+    luminance = _make_luminance()
+    output_path = tmp_path / "histogram.png"
+    save_histogram(luminance, output_path)
+    assert output_path.stat().st_size > 0
+
+
+def test_save_histogram_custom_bins(tmp_path: Path):
+    """bins パラメータを変えても PNG ファイルが生成されること．
+
+    仕様: bins=50（デフォルト）（visualize.py save_histogram）
+    """
+    luminance = _make_luminance()
+    output_path = tmp_path / "histogram_10bins.png"
+    save_histogram(luminance, output_path, bins=10)
+    assert output_path.exists()
+    assert output_path.stat().st_size > 0
+
+
+# ---------------------------------------------------------------------------
+# 3. save_radial_profile
+# ---------------------------------------------------------------------------
+
+
+def test_save_radial_profile_creates_file(tmp_path: Path):
+    """save_radial_profile を呼ぶと PNG ファイルが生成されること．
+
+    仕様: 放射状輝度プロファイルを線グラフとして PNG に保存する
+         profile shape: (n_bins, 2)，列 0: 距離，列 1: 輝度（visualize.py）
+    """
+    rng = numpy.random.RandomState(1)
+    distances = numpy.linspace(0.0, 1.0, 20)
+    luminances = 100.0 + rng.normal(0, 5, 20)
+    profile = numpy.column_stack([distances, luminances])  # (20, 2)
+    output_path = tmp_path / "radial_profile.png"
+    save_radial_profile(profile, output_path)
+    assert output_path.exists()
+
+
+def test_save_radial_profile_file_not_empty(tmp_path: Path):
+    """生成された radial_profile PNG ファイルのサイズが 0 より大きいこと．"""
+    distances = numpy.linspace(0.0, 1.0, 20)
+    luminances = numpy.linspace(120.0, 80.0, 20)  # 線形減衰
+    profile = numpy.column_stack([distances, luminances])
+    output_path = tmp_path / "radial_profile.png"
+    save_radial_profile(profile, output_path)
+    assert output_path.stat().st_size > 0
+
+
+def test_save_radial_profile_with_nan_does_not_crash(tmp_path: Path):
+    """NaN を含む行がある profile を渡してもクラッシュしないこと．
+
+    仕様: 空ビンは nan で表現される（評価仕様の空ビン扱い）
+    matplotlib の plot は NaN を自動でスキップする（線が途切れる挙動）ため，
+    クラッシュせずにファイルが生成されること．
+    """
+    distances = numpy.linspace(0.0, 1.0, 20)
+    luminances = numpy.linspace(120.0, 80.0, 20)
+    # 空ビンを模擬するため，いくつかの行を NaN にする
+    luminances[5] = float("nan")
+    luminances[10] = float("nan")
+    luminances[15] = float("nan")
+    profile = numpy.column_stack([distances, luminances])
+    output_path = tmp_path / "radial_profile_nan.png"
+    save_radial_profile(profile, output_path)
+    assert output_path.exists()
+    assert output_path.stat().st_size > 0
+
+
+# ---------------------------------------------------------------------------
+# 4. save_zone_map
+# ---------------------------------------------------------------------------
+
+
+def test_save_zone_map_creates_file(tmp_path: Path):
+    """save_zone_map を呼ぶと PNG ファイルが生成されること．
+
+    仕様: ゾーンマップを 3 色で PNG として保存する（visualize.py save_zone_map）
+         入力: int8 配列（0=center, 1=middle, 2=periphery）
+    """
+    from sm_tias_lightsim.evaluation.zones import classify_zones, compute_normalized_distance_map
+
+    distance_map = compute_normalized_distance_map(16, 16)
+    zone_map = classify_zones(distance_map)  # dtype: int8
+    output_path = tmp_path / "zone_map.png"
+    save_zone_map(zone_map, output_path)
+    assert output_path.exists()
+
+
+def test_save_zone_map_file_not_empty(tmp_path: Path):
+    """生成された zone_map PNG ファイルのサイズが 0 より大きいこと．"""
+    from sm_tias_lightsim.evaluation.zones import classify_zones, compute_normalized_distance_map
+
+    distance_map = compute_normalized_distance_map(16, 16)
+    zone_map = classify_zones(distance_map)
+    output_path = tmp_path / "zone_map.png"
+    save_zone_map(zone_map, output_path)
+    assert output_path.stat().st_size > 0
+
+
+def test_save_zone_map_accepts_all_zone_values(tmp_path: Path):
+    """全 3 ゾーン（0/1/2）が含まれる zone_map を渡しても PNG が生成されること．
+
+    仕様: 値は 0（center）, 1（middle）, 2（periphery）のいずれか（zones.py classify_zones）
+    """
+    # 手動で 3 ゾーン全てを含む 3x3 マップを作成する
+    zone_map = numpy.array(
+        [[0, 0, 1], [0, 1, 2], [1, 2, 2]], dtype=numpy.int8
+    )
+    output_path = tmp_path / "zone_map_all_zones.png"
+    save_zone_map(zone_map, output_path)
+    assert output_path.exists()
+    assert output_path.stat().st_size > 0
diff --git a/tests/fixtures/eval_smoke.yaml b/tests/fixtures/eval_smoke.yaml
new file mode 100644
index 0000000..78443e2
--- /dev/null
+++ b/tests/fixtures/eval_smoke.yaml
@@ -0,0 +1,14 @@
+roi:
+  type: image_pixel
+  x: 112
+  y: 112
+  width: 32
+  height: 32
+zones:
+  enabled: true
+  boundaries: [0.33, 0.66]
+metrics:
+  cov: true
+  std: true
+  max_min: true
+  radial_profile: true