〜Lab色差ΔEを使ってどちらが正確か検証する〜
🟦 はじめに
写真を解析する際、「色補正」は非常に重要です。
特に検査・品質管理・研究分野では、
・白基準補正（White reference）
・グレーカード補正（Gray Card Correction）
のどちらを採用すべきか迷うことがあります。
本記事では Google Colaboratory を使って、
1. 白基準補正
2. グレーカード補正
3. 補正後のLab色差（ΔE）比較
を行い、どちらがより正確に色を再現できるのか 実データで検証します。
🔍 この記事でできること
1. Colab で白基準補正とグレーカード補正を試せる
2. RGB → Lab 変換が理解できる
3. ΔE（CIEDE2000）で補正精度を数値評価できる
4. 実務での補正手法選択の判断材料になる
🟩 1. 必要ライブラリのインストール
🟧 2. 画像のアップロード
以下の3種類の画像を用意すると比較がスムーズです👇
1.target.jpg（色補正したい画像）
2.white_ref.jpg（白い紙などの白基準）
3.gray_card.jpg（18%グレーカード）
🟥 3. 画像読み込み + RGB → Lab 変換関数
🔵 4. 白基準補正（White Balance）
白基準補正は、白基準画像の平均RGBを白（255,255,255）になるようにスケーリング
🟡 5. グレーカード補正（Gray Balance）
Gray World Assumption（グレーワールド仮説）
→ 「画像全体の平均RGBは中間グレーに近づくべき」 という考え方。
今回は実際のグレーカード画像の平均値を基準に補正します。
🟪 6. 色差 ΔE（CIEDE2000）の計算関数
ΔEの目安
ΔE < 2：人間の目ではほぼ判別不能
ΔE > 5：肉眼で違いがわかる
ΔE > 10：明確に異なる色
🧪 7. 実際に補正して ΔE を比較する
色差を計算します👇
🧾 8. 結果：この環境ではグレーカード補正が圧倒的に優秀
今回の計算結果：
| 補正方法 | ΔE（平均値） |
|---|---|
| 白基準補正 | 53.88 |
| グレーカード補正 | 22.07 |
ΔE は小さいほど正確 なため、
👉 今回の環境では、グレーカード補正の方が白基準補正よりも圧倒的に精度が高い
という結果になりました。
🔍 なぜこのような差が出たのか？
白基準が劣った理由として、以下の可能性があります：
1. 白い紙が完全な「純白」ではない（黄ばみ／青み）
2. 光源の影響を強く受けている
3. 白基準画像に影・反射が入っている
一方、グレーカードは：
1. 中間グレーが環境光の影響を受けにくい
2. 色ムラが少ない
3. RGBバランスが安定している
ため、環境が安定しない状況では有利に働きます。
🟩 9. まとめ
本記事では、Google Colaboratory 上で
1. 白基準補正
2. グレーカード補正
3. 色差 ΔE を用いた比較
を実装し、実際の結果を比較しました。
✅ ΔEにより補正精度を定量評価できる
✅ 白基準が有利なケースも、グレーが有利なケースもある
✅ 実務では「両方試してΔEが小さい方」を採用するのがベスト
色補正は、画像検査・品質管理・濃度推定などにおいて精度を左右する重要な工程です。
ぜひご自身のデータセットでも検証してみてください！