あなたの色補正、1枚で補綴色がズレます。
関連）https://www.quint-j.co.jp/dictionaries/keyword/39436
HSVは、Hue（色相）、Saturation（彩度）、Value（明度）の3要素で色を表す方法です。
関連）https://axa.biopapyrus.jp/ia/color-space/opencv-hsv.html
RGBが「光の三原色の強さ」で考える方式なのに対し、HSVは「何色か、どれだけ鮮やかか、どれだけ明るいか」に分けて見られるため、人の感覚に近い整理がしやすいです。
関連）https://www.frontier.maxell.co.jp/blog/posts/43.html
つまり見分けやすいです。
関連）https://www.frontier.maxell.co.jp/blog/posts/43.html
たとえば口腔内写真で歯頸部の黄み、歯冠中央の明るさ、歯肉の赤みを分けて確認したい場面では、RGBのまま3チャンネルを見るより、HSVでH・S・Vを分けたほうが確認点が明確になります。
関連）https://imagingsolution.net/imaging/hue-saturation-brightness-formula/
特に「白い歯の中の微妙な黄み」を評価したいとき、彩度と明度を切り離して考えられる点は大きな利点です。
関連）https://imagingsolution.net/imaging/hue-saturation-brightness-formula/
結論は分離しやすいです。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
一方で、HSVは万能ではありません。彩度が低い白・灰・黒に近い部分は、色相の意味が弱くなるため、白っぽい前歯の評価ではHだけ見ても判断できません。
関連）https://www.youtube.com/watch?v=kfVHwDZrFwo
歯科医従事者が「色相だけ合わせれば十分」と考えると、最終的な見え方がずれやすくなります。
関連）https://www.quint-j.co.jp/dictionaries/keyword/39436
彩度と明度が条件です。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
HSVへの変換は、RGBの最大値をVとし、その差分からSを求め、最大値と最小値の関係からHを計算する考え方です。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
数式としては少し複雑ですが、要するに「どの色成分が一番強いか」で色相が決まります。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
どういうことでしょうか？
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
実務で重要なのは、OpenCV系の処理ではHueの扱いが一般的な0〜360度ではなく、0〜179で管理される点です。
関連）https://kp-ft.com/659
たとえば一般的な色相で60度の黄色は、OpenCVでは30、120度の緑は60、300度のマゼンタは150に相当します。
関連）https://kp-ft.com/659
ここが落とし穴です。
歯科画像を自作スクリプトで扱う人が、資料上の色相360度表記をそのままコードへ入れると、赤系や黄系の抽出範囲が半分にずれて、見たい領域を外すことがあります。
関連）https://kp-ft.com/659
しかもOpenCVでは180〜255付近は見た目上動くことがあっても、256以上で0へ戻る挙動があり、混乱の元になります。
関連）https://kp-ft.com/659
0〜179が原則です。
色域設定アプリや簡易スクリプトで歯肉抽出、出血点の色抽出、シェード近似の前処理をするなら、まず「使うソフトのHueスケール」を確認するだけで事故を減らせます。
関連）https://imagingsolution.net/imaging/hue-saturation-brightness-formula/
この場面の対策は設定の統一で、狙いは閾値ズレの防止、候補はOpenCV基準の早見表を手元に1枚メモしておく方法です。
関連）https://kp-ft.com/659
これは使えそうです。
歯科の口腔内写真では、オートホワイトバランスが必ずしも正解ではありません。
関連）https://www.quint-j.co.jp/dictionaries/keyword/39436
歯は微妙に異なる白色が並ぶため、オート設定では1歯を正しい白と認識して、全体が白っぽく補正されることがあると報告されています。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
意外ですね。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
実際に比較した紹介例では、4500K、5500K、6500Kなどを並べた結果、実像にもっとも近かったのは5500Kだったとされています。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
4500Kは昼白色蛍光灯下、5500Kは晴天下に相当し、設定差は数字だけ見ると小さくても、前歯の白さや歯肉の赤みの印象にははっきり差が出ます。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
固定が基本です。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
ここでHSV色変換が役立つのは、撮影後の画像を無理に全体補正する前に、何がずれているかを分けて確認できる点です。
関連）https://kp-ft.com/659
白っぽいならVが上がりすぎていないか、赤みが足りないならHとSのどちらが崩れているか、と原因を整理しやすくなります。
関連）https://kp-ft.com/659
つまり原因分解です。
ただし、撮影条件が不安定なまま後処理へ頼ると、補綴物やシェード確認で再現性を失います。
関連）https://www.quint-j.co.jp/dictionaries/keyword/39436
この場面の対策は撮影前の条件固定で、狙いは後補正の最小化、候補はグレーカードやマニュアルホワイトバランス機能を使って1回基準を決める方法です。
関連）https://www.quint-j.co.jp/dictionaries/keyword/39436
色調記録の重要点は、クインテッセンスの解説が参考になります。
関連）https://www.quint-j.co.jp/dictionaries/keyword/39436
https://www.quint-j.co.jp/dictionaries/keyword/39436
HSVがよく使われる理由の一つは、明るさが変動してもHを中心に色抽出しやすいからです。
関連）https://www.frontier.maxell.co.jp/blog/posts/43.html
RGBでは照明の強弱で同じ色でも値が大きく変わりますが、HSVでは色相を軸に見ることで対象色を拾いやすくなります。
関連）https://imagingsolution.net/imaging/hue-saturation-brightness-formula/
色抽出向きですね。
関連）https://www.frontier.maxell.co.jp/blog/posts/43.html
たとえば赤色の抽出では、一般的なHSV色相の赤は0度付近と360度付近にまたがるため、範囲を1本で切ると端が欠けることがあります。
関連）https://tomosoft.jp/design/?p=44101
OpenCV基準では赤を0〜30と150〜179付近の2領域で扱う例が示されており、1回の条件指定で済ませると検出漏れが起きやすいです。
関連）https://tomosoft.jp/design/?p=44101
赤だけは例外です。
関連）https://tomosoft.jp/design/?p=44101
歯科では、歯肉の発赤、口角や粘膜の赤み、試適時の色差確認など、赤成分の拾い方が結果を左右する場面があります。
関連）https://tomosoft.jp/design/?p=44101
あなたが簡易解析を行うなら、HだけでなくSとVの下限も一緒に設定しないと、暗部ノイズや白飛び部分まで混ざりやすくなります。
関連）https://axa.biopapyrus.jp/ia/color-space/opencv-hsv.html
SとVに注意すれば大丈夫です。
関連）https://axa.biopapyrus.jp/ia/color-space/opencv-hsv.html
この場面の対策は抽出ノイズの抑制で、狙いは診断補助画像の見やすさ向上、候補はImageJやOpenCVの閾値設定画面でH・S・Vを同時に確認する方法です。
関連）https://axa.biopapyrus.jp/ia/opencv/color-space.html
コードを書く場合も、cv2.cvtColorでBGRからHSVへ変換し、最後にHSV2BGRへ戻す基本手順だけ押さえれば十分です。
関連）https://axa.biopapyrus.jp/ia/opencv/color-space.html
手順は単純です。
色抽出の考え方を補足する技術解説は、マクセルの技術ブログが読みやすいです。
関連）https://www.frontier.maxell.co.jp/blog/posts/43.html
https://www.frontier.maxell.co.jp/blog/posts/43.html
検索上位の記事は、HSVを画像処理やプログラミングの話として説明するものが中心です。
関連）https://axa.biopapyrus.jp/ia/opencv/color-space.html
しかし歯科医従事者にとって本当に重要なのは、変換そのものより「どの時点で色を固定するか」です。
関連）https://www.quint-j.co.jp/dictionaries/keyword/39436
そこが分岐点です。
関連）https://www.quint-j.co.jp/dictionaries/keyword/39436
補綴やホワイトニング説明で患者へ見せる画像は、撮影、保存、表示、補正の4段階で色がずれます。
関連）https://www.quint-j.co.jp/dictionaries/keyword/39436
撮影時にホワイトバランスが不安定、保存時に別アプリで自動補正、表示時にモニター差、補正時にHSVで彩度だけ上げる、と段階が重なるほど、同じA系シェードでも印象差が広がります。日本人の一般的な歯の色がA3〜A3.5、またはA3前後と紹介される一方で、最終的な見え方は撮影条件で変わり得ます。
関連）https://tokyo-doctors.com/webdoctor/6911
1回の補正で変わります。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
だからこそ、HSV色変換は“盛るための機能”ではなく、“ずれの位置を特定する点検表”として使うほうが失敗しにくいです。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
あなたが院内で画像管理ルールを作るなら、撮影条件の固定、OpenCVやアプリのHueスケール統一、補正履歴のメモ、この3つを先に決めると、説明の一貫性と再現性が上がります。
関連）https://www.quint-j.co.jp/dictionaries/keyword/39436
結論は記録管理です。
関連）https://www.quint-j.co.jp/dictionaries/keyword/39436
口腔内写真のホワイトバランス比較は、歯科の実例ページが具体的です。
関連）https://algorithm.joho.info/image-processing/hsv-color-space/
https://www.ne.jp/asahi/fumi/dental/digital/digital6.html
OpenCVのHueレンジの違いは、実装時の誤設定防止に役立ちます。
関連）https://kp-ft.com/659
https://qiita.com/oyngtmhr/items/26a2feec9ca9b09a8d72