为何NumPy创建图像的数组与转回后的数组RGB值不一致？

问题重现 #

用于创建图像的代码：

import numpy as np

d = np.zeros([400,200,3],dtype='uint8')
d[:200,:100] = [190,0,0]  # 左上红色块
d[:200,100:] = [0,0,190]  # 右上蓝色块
d[200:,:100] = [0,190,0]  # 左下绿色块
d[200:,100:] = [255,255,0]# 右下黄色块

将该数组保存为图像后重新读取，发现原RGB值出现偏差（如[190,0,0]变为[190,0,2]，[0,0,190]变为[1,0,190]），且相邻色块的边缘像素存在异常值。

原因分析 #

1. 有损图像格式的压缩是核心问题 #

如果保存时使用了JPEG这类有损压缩格式，会触发两个导致异常的机制：

• 量化误差：JPEG通过量化表丢弃部分视觉不敏感的高频信息来压缩文件，纯色块的边缘属于高频信号，压缩时会被针对性处理，导致边缘像素值偏离原始数据；同时纯色块内部的像素也会因量化操作产生微小的不可逆误差。
• 颜色空间转换损失：JPEG会先将RGB颜色空间转换为YCbCr空间进行压缩，读取时再转回RGB。由于uint8类型的整数精度限制，转换过程中会产生微小的数值偏差，这就是纯色块内RGB值出现小幅度变化的原因。

2. 无损格式可避免该问题 #

如果改用PNG、BMP这类无损图像格式保存，图像会完整保留原始像素信息，读取后的NumPy数组与原数组完全一致，不会出现颜色偏差和边缘异常。

验证方法 #

以PIL库为例，改用无损格式保存：

from PIL import Image

# 保存为PNG（无损格式）
img = Image.fromarray(d)
img.save('output.png')

# 读取验证
loaded_d = np.array(Image.open('output.png'))
print(np.array_equal(d, loaded_d))  # 输出True，说明完全匹配

内容的提问来源于stack exchange，提问作者Brunner Arthur