Python中多光谱图像转RGB：高效精确的低代码实现方案问询

我需要将多光谱图像转换为RGB格式，解析后得到形状为(w, h, c)的ndarray，其中c代表数百个测量波长，无效测量值为-999而非0。

已知单个像素可借助colour库还原sRGB颜色，示例代码如下：

import colour

pixel_intensities = {380: 0.048, 385: 0.051, 390: 0.055}

sd = colour.SpectralDistribution(pixel_intensities )
cmfs = colour.MSDS_CMFS["CIE 1931 2 Degree Standard Observer"]
illuminant = colour.SDS_ILLUMINANTS["D65"]

XYZ = colour.sd_to_XYZ(sd, cmfs, illuminant)
red, green, blue = colour.XYZ_to_sRGB(XYZ)

但逐像素处理速度极慢，仅选取对应红、绿、蓝通道的三个波长虽速度快但颜色精度不足，求代码量少的替代方案。

基于向量化运算的批量处理方案 #

利用colour库的批量处理能力结合numpy矩阵运算，直接对整个图像数组操作，彻底避免逐像素循环：

步骤1：预处理无效值 #

先将数组中的-999替换为0（若需要更高精度，也可采用相邻波长插值填充）：

import numpy as np
import colour

# 假设img为输入的多光谱图像ndarray，wavelengths是对应c个波长的一维数组
img[img == -999] = 0

步骤2：批量转换颜色空间 #

借助colour的向量化接口，一次性完成所有像素的转换：

# 加载标准色匹配函数和光源
cmfs = colour.MSDS_CMFS["CIE 1931 2 Degree Standard Observer"]
illuminant = colour.SDS_ILLUMINANTS["D65"]

# 将图像展平为二维数组（像素数 × 波长数）
img_flat = img.reshape(-1, img.shape[-1])

# 批量转换为XYZ颜色空间
XYZ = colour.sd_to_XYZ(img_flat, cmfs, illuminant, wavelengths=wavelengths)

# 转换为sRGB并恢复原图像形状
srgb = colour.XYZ_to_sRGB(XYZ).reshape(img.shape[0], img.shape[1], 3)

# 截断超出0-1范围的颜色值
srgb = np.clip(srgb, 0, 1)

方案优势 #

• 高效快速：依赖numpy和colour的向量化运算，处理速度比逐像素循环提升数十倍
• 精度无损：保留全波长数据参与计算，颜色还原精度与逐像素处理完全一致
• 代码简洁：仅需几行核心代码即可实现批量转换

内容的提问来源于stack exchange，提问作者Richie Bendall