如何保存96x96矩阵为PNG并重新加载恢复原始矩阵值

直接用plt.imsave加cmap='rainbow'保存会把矩阵值映射为8位RGB（0-255），丢失原始精度，且反向映射不能通过简单平均RGB通道实现。以下是两种可行的解决方案：

方法一：使用支持浮点数据的图片格式（推荐） #

普通PNG/JPG是8位整数格式，无法保留浮点精度，而TIFF格式支持32位浮点存储，可以直接保存原始矩阵值，无需颜色映射：

import numpy as np
import matplotlib.pyplot as plt

# 示例矩阵（96x96，取值-1到1）
matrix = np.random.uniform(-1, 1, (96, 96))

# 保存为浮点TIFF，指定vmin/vmax确保不缩放原始值
plt.imsave('matrix_float.tif', matrix, format='tif', vmin=-1, vmax=1, cmap='gray')

# 加载并恢复原始矩阵
loaded = plt.imread('matrix_float.tif')
# 若保存时正确设置vmin/vmax，loaded直接是原始取值范围的矩阵
restored_matrix = loaded

# 验证一致性
print(np.allclose(matrix, restored_matrix))  # 输出True

方法二：通过颜色映射反向恢复（需保留映射参数） #

如果必须保存为带rainbow配色的可视化图片，需要记录颜色映射的vmin和vmax，再通过反向映射还原原始值：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import Normalize

# 原始矩阵
matrix = np.random.uniform(-1, 1, (96, 96))
vmin, vmax = -1, 1

# 保存为rainbow配色的PNG图片
plt.imsave('matrix_rainbow.png', matrix, cmap='rainbow', vmin=vmin, vmax=vmax)

# 加载图片并反向恢复
loaded_image = plt.imread('matrix_rainbow.png')
rgb = loaded_image[..., :3]  # 去掉alpha通道

# 获取rainbow色板的所有颜色（256种）
cmap = plt.get_cmap('rainbow')
colors = cmap(np.linspace(0, 1, 256))[:, :3]

# 匹配每个RGB像素对应的色板索引，转换为归一化值
indices = np.argmin(np.linalg.norm(rgb[..., None] - colors, axis=2), axis=2)
norm_values = indices / 255.0

# 映射回原始[-1,1]范围
restored_matrix = norm_values * (vmax - vmin) + vmin

# 查看误差（因8位精度限制，存在微小误差）
print(np.mean(np.abs(matrix - restored_matrix)))

为什么你的方法无效？ #

你直接对RGB通道取平均的方式完全错误——rainbow色板是将数值映射为对应的彩色，RGB通道的平均值和原始数值没有线性关系，自然无法还原原始矩阵。

内容的提问来源于stack exchange，提问作者김요한