为图像指定(255,0,0)像素值后，保存重加载numpy查询返回空数组

我给图像的某个像素指定了(255,0,0)的像素强度值，保存图像后重新加载，用numpy查找该像素强度值的位置，得到的是空数组。

我的代码：

import cv2
import numpy as np  # 原代码遗漏该导入，实际运行需补充

# 读取图像
img = cv2.imread('abc.jpg')

# 赋值像素值
img[779,804] = (255,0,0)

# 保存图像
cv2.imwrite('new_img.jpg', img)
read_img = cv2.imread('new_img.jpg')
intensity_val = np.where((read_img[:,:,0]==255)&(read_img[:,:,1]==0)&(read_img[:,:,2]==0))
print(intensity_val)

输出结果：

(array([], dtype=int64), array([], dtype=int64))

问题原因 #

• JPEG有损压缩特性：JPEG是有损压缩格式，保存时会对像素值进行压缩优化，哪怕仅修改单个像素，压缩后的实际像素值也可能偏离你设置的(255,0,0)，导致重新读取后无法匹配到完全一致的值。
• 压缩引入细微偏差：OpenCV默认以BGR通道顺序读取图像，你设置的(255,0,0)对应BGR格式的红色，但JPEG压缩会引入细微的通道值偏差（比如变为(254,1,0)），精准匹配条件下会找不到目标像素。

解决方法 #

1. 使用无损格式保存
   换成PNG这类无损压缩格式，避免像素值被修改：

   cv2.imwrite('new_img.png', img)
   read_img = cv2.imread('new_img.png')
   intensity_val = np.where((read_img[:,:,0]==255)&(read_img[:,:,1]==0)&(read_img[:,:,2]==0))
   

2. 放宽匹配条件
   若必须使用JPEG，可通过设置误差阈值查找接近目标值的像素：

   target = np.array([255, 0, 0], dtype=np.uint8)
   # 计算每个像素与目标值的欧氏距离
   diff = np.sqrt(np.sum((read_img - target)**2, axis=2))
   # 筛选距离小于阈值的像素（阈值可根据实际情况调整）
   intensity_val = np.where(diff < 5)
   

3. 确认通道顺序匹配
   若你实际想设置RGB格式的红色，需先转换通道顺序：

   # 转换为RGB通道顺序
   img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
   img_rgb[779,804] = (255,0,0)  # RGB格式的红色
   cv2.imwrite('new_img.png', img_rgb)
   # 读取后转回RGB格式再匹配
   read_img_rgb = cv2.cvtColor(cv2.imread('new_img.png'), cv2.COLOR_BGR2RGB)
   intensity_val = np.where((read_img_rgb[:,:,0]==255)&(read_img_rgb[:,:,1]==0)&(read_img_rgb[:,:,2]==0))
   

内容的提问来源于stack exchange，提问作者keeponlearning101