使用PIL(RGB转LAB)与OpenCV(BGR转LAB)图像转换结果差异原因

使用PIL和OpenCV读取同一张PNG图像，执行以下代码后，得到的LAB通道数值差异显著，但RGB/BGR通道数据完全一致：

测试代码 #

# PIL + skimage
from PIL import Image
import numpy as np
from skimage import color

img = Image.open(path_img)  
lab = np.uint8(color.rgb2lab(img))  

# OpenCV
import cv2

img_cv2 = cv2.imread(path_img)  
lab_cv2 = cv2.cvtColor(img_cv2, cv2.COLOR_BGR2LAB)

通道1（a通道）输出对比 #

PIL+skimage输出： #

img lab PIL [[  3   2   2 ...   0   0   0]
 [  3   1   1 ...   0   0   0]
 [  2   2   2 ...   0   0   0]
 ...
 [  0   0   0 ...   1   0   0]
 [  0 255 255 ...   0   0   0]
 [  0   0   1 ...   1   1   0]]

OpenCV输出： #

img lab cv2 [[132 132 130 ... 130 130 128]
 [132 132 132 ... 130 128 128]
 [132 130 130 ... 130 128 130]
 ...
 [130 128 130 ... 129 129 128]
 [128 128 128 ... 128 128 129]
 [128 128 130 ... 129 129 128]]

RGB通道验证（数据一致） #

测试代码：

print("r channel img PIL", np.uint8(img)[:, :, 0])
print("r channel img cv2", img_cv2[:, :, 2])

PIL的R通道输出： #

img lab PIL [[29 31 29 ...  2  1  0]
 [29 28 30 ...  1  0  1]
 [28 29 30 ...  2  2  1]
 ...
 [19 18 20 ... 57 51 53]
 [14 18 17 ... 60 57 54]
 [15 17 19 ... 58 57 49]]

OpenCV的R通道输出： #

img lab cv2 [[29 31 29 ...  2  1  0]
 [29 28 30 ...  1  0  1]
 [28 29 30 ...  2  2  1]
 ...
 [19 18 20 ... 57 51 53]
 [14 18 17 ... 60 57 54]

差异来自两个库对LAB颜色空间的数值范围定义不同，以及转换前的输入数据预处理规则差异：

1. 输入数据的归一化差异

   • skimage.color.rgb2lab要求输入RGB数据为0-1范围的浮点型，若输入是0-255的uint8类型，会自动将数值归一化到0-1区间后再转换。
   • OpenCV的cv2.cvtColor直接处理0-255的uint8型数据，无需额外归一化，直接基于原始像素值完成转换。

2. LAB通道的数值缩放偏移规则不同

   • 标准LAB颜色空间的数值范围：L∈[0,100]，a∈[-128,127]，b∈[-128,127]。
   • skimage.color.rgb2lab输出原始范围的LAB值：L在0-100，a和b在-128到127之间。你用np.uint8()强制转换时，负数会被截断为0，超过255的数值被截断为255，这就导致a通道出现大量0-3的数值，个别255对应原始a值接近-128的情况。
   • OpenCV的cv2.COLOR_BGR2LAB会自动对LAB数值做偏移缩放：将L范围映射到[0,255]，a和b范围从[-128,127]偏移为[0,255]（即每个值加128）。所以你看到的a通道数值集中在128左右，和skimage的原始a值一一对应（比如OpenCV的132=skimage的4+128，128=skimage的0+128）。

若要让两者输出一致，可做如下处理：

• 对skimage的结果做偏移缩放，匹配OpenCV格式：

  lab_sk_scaled = np.uint8(np.stack([lab[...,0]*2.55, lab[...,1]+128, lab[...,2]+128], axis=-1))
  

• 对OpenCV的结果做反向偏移，得到标准LAB范围：

  lab_cv_unscaled = np.stack([lab_cv2[...,0]/2.55, lab_cv2[...,1]-128, lab_cv2[...,2]-128], axis=-1)
  

内容的提问来源于stack exchange，提问作者Rita Carvalho