diff --git a/.gitignore b/.gitignore
new file mode 100644
index 0000000..b15c6ef
--- /dev/null
+++ b/.gitignore
@@ -0,0 +1,3 @@
+*.jpg
+*.npz
+
diff --git a/.vscode/launch.json b/.vscode/launch.json
new file mode 100644
index 0000000..54a210c
--- /dev/null
+++ b/.vscode/launch.json
@@ -0,0 +1,20 @@
+{
+    // IntelliSense を使用して利用可能な属性を学べます。
+    // 既存の属性の説明をホバーして表示します。
+    // 詳細情報は次を確認してください: https://go.microsoft.com/fwlink/?linkid=830387
+    "version": "0.2.0",
+    "configurations": [
+        {
+            "name": "Python デバッガー: 引数を含む現在のファイル",
+            "type": "debugpy",
+            "request": "launch",
+            "program": "${file}",
+            "console": "integratedTerminal",
+            "args": [
+                "./SmTIAS*_white01.JPG",
+                "--roi", "190", "920", "1440", "1440",
+                "--sigma", "10.0",
+            ]
+        }
+    ]
+}
\ No newline at end of file
diff --git a/README.md b/README.md
new file mode 100644
index 0000000..325dcd6
--- /dev/null
+++ b/README.md
@@ -0,0 +1,39 @@
+# calc_illum_dist.py
+
+## 概要
+
+このスクリプトは、指定された画像の照明分布を計算します。
+
+## 説明
+
+`calc_illum_dist.py` スクリプトは、画像ファイルを入力として受け取り、その画像の照明分布を計算します。照明分布は、画像の各ピクセルに当たる光の量を表したものです。
+
+## 使い方
+
+このスクリプトを使用するには、コマンドラインから実行し、入力画像ファイルのパスを引数として指定します。
+
+```bash
+python calc_illum_dist.py input_image.jpg
+```
+
+スクリプトは、照明分布をグレースケール画像として出力します。各ピクセルの強度は、そのピクセルに当たる光の量を表します。
+
+## 必要なもの
+
+- Python 3.x
+- OpenCV ライブラリ (`pip install opencv-python`)
+- NumPy ライブラリ (`pip install numpy`)
+
+## 出力
+
+スクリプトは、入力画像の照明分布を表すグレースケール画像を出力します。画像は、入力画像と同じ名前ですが、 `_illum_dist` というサフィックスが付加された PNG ファイルとして保存されます。
+
+## 例
+
+たとえば、入力画像が `image.jpg` の場合、出力画像は `image_illum_dist.png` になります。
+
+## 備考
+
+- スクリプトは、入力画像がスクリプトと同じディレクトリにあることを前提としています。入力画像が別のディレクトリにある場合、画像ファイルの完全なパスを指定してください。
+- スクリプトは、OpenCV ライブラリを使用して入力画像を読み込み処理します。
+- スクリプトは、NumPy ライブラリを使用して数値計算を実行します。
diff --git a/calc_illum_dist.py b/calc_illum_dist.py
new file mode 100644
index 0000000..8e77cd1
--- /dev/null
+++ b/calc_illum_dist.py
@@ -0,0 +1,114 @@
+import argparse
+import glob
+from pathlib import Path
+
+import cv2
+import numpy as np
+
+# # Load the color image
+# names = ["SmTIAS001", "SmTIAS002", "SmTIAS003"]
+# imgs = np.array([cv2.imread(f"{name}_white01.jpg") for name in names])
+# names.append("mean")
+
+# for i in range(len(names)):
+#     if i < len(names) - 1:
+#         img = imgs[i]
+#     else:
+#         img = np.mean(imgs, axis=0).astype("uint8")
+#     # print("img shape", img.shape)
+
+sigma_default = 10.0
+
+
+def calc_illum_dist(args, img, imgname):
+    # Convert the image to grayscale (luminance)
+    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+
+    # ROI生成
+    roi_x, roi_y, roi_w, roi_h = 0, 0, gray.shape[1], gray.shape[0]
+    if args.roi:
+        roi_x = args.roi[0]
+        roi_y = args.roi[1]
+        roi_w = args.roi[2]
+        roi_h = args.roi[3]
+    gray_roi = gray[roi_y : roi_y + roi_h, roi_x : roi_x + roi_w]
+    vmin = gray_roi.min()
+    vmax = gray_roi.max()
+    vmean = gray_roi.mean()
+    print(f"{imgname} value min,mean,max", vmin, vmean, vmax)
+
+    # 相対照度分布の算出
+    ratio_roi = gray_roi / vmean
+    print(
+        f"{imgname} ratio min,mean,max",
+        ratio_roi.min(),
+        ratio_roi.mean(),
+        ratio_roi.max(),
+    )
+    ratio = np.full(gray.shape, -1.0, dtype=np.float32)
+    ratio[roi_y : roi_y + roi_h, roi_x : roi_x + roi_w] = ratio_roi
+
+    # Normalize the grayscale image
+    normalized = 255.0 * (gray_roi - vmin) / (vmax - vmin)
+    normalized = cv2.GaussianBlur(
+        normalized, ksize=(0, 0), sigmaX=args.sigma, sigmaY=args.sigma
+    )
+    normalized = normalized.astype("uint8")
+
+    # if i == len(names) - 1:
+    #
+    #
+    #
+    #     # print(ratio[:10, :10])
+    #     ratio_whole = np.full(gray_full.shape, -1.0, dtype=np.float32)
+    #     ratio_whole[crop_y : crop_y + crop_wh, crop_x : crop_x + crop_wh] = ratio
+    #     # print("ratio_whole shape", ratio_whole.shape)
+    #     # print("ratio_whole min", ratio_whole.min())
+    #     # print("ratio_whole max", ratio_whole.max())
+    #     np.savez_compressed("illum_dist.npz", ratio_whole)
+
+    # Create a heatmap from the grayscale image
+    heatmap = cv2.applyColorMap(normalized, cv2.COLORMAP_JET)
+    heatmap = cv2.resize(heatmap, None, fx=0.5, fy=0.5)
+
+    cv2.imshow(f"{imgname} heatmap", heatmap)
+
+
+def parse_arguments():
+    parser = argparse.ArgumentParser(description="Calculate illumination distribution")
+    parser.add_argument("input_files", nargs="+", help="Input image files")
+    parser.add_argument(
+        "--roi", type=int, nargs=4, help="region of interest (x, y, w, h)"
+    )
+    parser.add_argument(
+        "--sigma",
+        type=float,
+        # nargs=1,
+        help=f"sigma of gaussian blur (default: {sigma_default})",
+        default=sigma_default,
+    )
+    return parser.parse_args()
+
+
+def main():
+    # 実行時引数からデータ生成
+    args = parse_arguments()
+    file_names = [f for file in args.input_files for f in glob.glob(file)]
+    names = [Path(f).stem for f in file_names]
+    imgs = [cv2.imread(file) for file in file_names]
+
+    # 平均画像の生成
+    if len(imgs) > 1:
+        img_mean = np.mean(np.array(imgs), axis=0).astype("uint8")
+        imgs.append(img_mean)
+        names.append("mean")
+
+    for i in range(len(imgs)):
+        calc_illum_dist(args, imgs[i], names[i])
+
+    cv2.waitKey(0)
+    cv2.destroyAllWindows()
+
+
+if __name__ == "__main__":
+    main()
diff --git a/requirements.txt b/requirements.txt
new file mode 100644
index 0000000..0dd006b
--- /dev/null
+++ b/requirements.txt
@@ -0,0 +1 @@
+opencv-python