🟦 【Lab色空間 × 標準偏差】色の“ばらつき”を数値化する方法
10ppm・100ppm の実例で徹底解説 （Python + OpenCV）
画像処理で「色の安定性」を測りたいとき、
Lab 色空間 + 標準偏差（Standard Deviation） は非常に強力な指標です。
本記事では、私が実際にインターンで取り組んでいる
Smart Pack Test（簡易水質検査） の画像解析を例に、
1. Lab 色空間を使う理由
2. ROI（解析領域）の取り方
3. 色のばらつきの可視化・比較方法
4. 10ppm と 100ppm の実際の比較結果（構造的説明）
をPython + OpenCVで、わかりやすく解説します。
🟩 1. なぜ「Lab 色空間」を使うのか？
RGB は人間の視覚と一致していないため、
同じ“差”でも、人間の目に見える差の大きさが変わってしまうという問題があります。
Lab 色空間は、
1. L：明度
2. a：緑 ↔ 赤
3. b：青 ↔ 黄
という人間の知覚に近い“均等色空間” になっており、
色差（ΔE）や“ばらつき”を定量化しやすいのが特徴です。
👉 Lab の標準偏差が小さい＝色が均一で安定している
🟩 2. 今回解析した 10ppm / 100ppm の画像
Smart Pack Test では、反応試薬が色変化を起こします。
以下のように、
1. 10ppm → 薄い色
2. 100ppm → 濃い色
解析対象は以下の画像です：
🟩 3. ROI（解析領域）の取り方
色解析では、「どの領域を解析するか」が非常に重要です。
今回は 試薬パッド中央の正方形領域 を ROI として抽出しました。
🟦 4. Pythonコード（Lab変換→標準偏差→比較まで）
以下のスクリプトで10ppm / 100ppm の色ばらつきを比較できます。
🟩 5. 標準偏差の見方
出力例（イメージ）：
✔ どう解釈する？
1. 10ppm（薄い色）はばらつきが大きい
→ 明度が高く反射の影響を受けやすい
→ 斑点やムラが出やすい
2. 100ppm（濃い色）は比較的安定
→ 光の影響が少ない
→ ROI の色がより均一
👉 Standard Deviation（標準偏差）が小さいほど、色が均一で“安定している”
🟦 6. Smart Pack Test への応用（実務視点）
標準偏差は以下の実務に応用できます：
✔ 色むらが強い反応条件を検出
→ 光、撮影角度、ユーザー差などの影響を定量化
✔ 色の安定性を比較
→ 製品ロット間の比較
→ 試薬の劣化検知
→ 温度・湿度条件の差を見える化
✔ AI モデルの学習データ品質向上
→ 標準偏差の大きい“ばらつき画像”を除外する
→ 最適な ROI サイズの設計に役立つ
🟩 7. まとめ
本記事では、Lab 色空間と標準偏差を使った
色の“ばらつき”の定量化 を解説しました。
1. Lab は均等色空間で、人間の知覚に近い
2. ROI の選び方で解析精度が変わる
3. 標準偏差（STD）は “色の均一性” を表す
4. 10ppm/100ppm の濃度比較にも有効
5. Smart Pack Test の品質評価に実務レベルで応用可能
画像解析で色を扱う方にとって、
非常に手軽で再現性の高い方法です。
皆さんもぜひ参考にしてみてください！