如何解决cv2.cvtColor处理FITS文件时产生的NaN值问题？

• 数据类型与数值范围不兼容：CASTLES数据集的FITS图像像素值多为浮点型（float32/float64），且数值范围远超出OpenCV默认预期的0-255 uint8区间。OpenCV的cvtColor和resize函数在处理这类极端范围的浮点数据时，内部数值运算（如通道复制、插值计算）可能触发异常，生成NaN。
• 未检测到的无穷大（inf）值：你仅检查了NaN，但天文FITS图像常存在inf值（如饱和像素）。OpenCV在处理inf时，会将其转换为NaN（比如插值运算中涉及inf的计算）。
• OpenCV浮点处理的局限性：部分OpenCV函数对浮点输入的兼容性弱于uint8，默认插值算法（如INTER_LINEAR）在处理极端浮点值时，可能出现数值溢出或非法运算，进而产生NaN。

步骤1：排查并处理inf值 #

先确认图像中是否存在inf：

import numpy as np

print(np.any(np.isinf(img)))  # 检查是否有inf值

若存在inf，将其替换为图像的99.9%分位数（保留数据分布，避免破坏整体信息）：

# 计算99.9%分位数，过滤极端值
q999 = np.nanquantile(img, 0.999)
# 替换inf为分位数值
img_clean = np.where(np.isinf(img), q999, img)

步骤2：归一化浮点图像到OpenCV友好范围 #

天文图像不能直接缩放到0-255（会丢失暗部细节），推荐使用对数归一化保留动态范围：

# 对数变换：先加1避免log(0)，再缩放到0-1区间
img_normalized = np.log1p(img_clean - img_clean.min())
img_normalized = (img_normalized - img_normalized.min()) / (img_normalized.max() - img_normalized.min())
# 转换为OpenCV支持的float32类型
img_normalized = img_normalized.astype(np.float32)

步骤3：安全执行OpenCV操作 #

• 转换为RGB：用numpy手动复制通道，替代cv2.cvtColor，避免转换异常：

# 复制灰度通道三次生成RGB图像
pic_rgb = np.stack([img_normalized]*3, axis=-1)

• 调整尺寸：指定更稳定的插值算法（如INTER_AREA），或改用PIL处理浮点图像：

# 方法1：OpenCV指定插值
pic_resized = cv2.resize(img_normalized, (256, 256), interpolation=cv2.INTER_AREA)

# 方法2：用PIL处理（对浮点图像兼容性更好）
from PIL import Image

pil_img = Image.fromarray(img_clean.astype(np.float32))
resized_img = pil_img.resize((256, 256), Image.Resampling.LANCZOS)
resized_img_np = np.array(resized_img)

验证处理结果 #

print(np.any(np.isnan(pic_rgb)))  # 应返回False
print(np.any(np.isnan(pic_resized)))  # 应返回False

内容的提问来源于stack exchange，提问作者Soham Katdare