如何将Python色彩校准后的float64图像转为OpenCV兼容的uint8格式

问题根源 #

Colour库输出的corrected是线性RGB空间的float64数据，而OpenCV的uint8图像默认遵循sRGB的非线性伽马编码规则。直接缩放或归一化会跳过sRGB的颜色编码步骤，导致显示时颜色失真。

正确转换步骤 #

要保持校正后的图像外观一致，必须先将线性RGB转换为sRGB编码空间，再进行格式转换：

1. 使用colour.cctf_encoding()对校正后的线性RGB数据应用sRGB的EOTF（伽马编码），得到非线性的sRGB浮点数据
2. 将编码后的sRGB值缩放到0-255范围，转换为uint8类型
3. 转换为OpenCV所需的BGR格式

完整代码示例 #

import colour
import numpy as np
import cv2 

# 原有的色彩校准代码保持不变
IMAGE = cv2.imread('/Users/kelsolaar/Downloads/EKcv1.jpeg')
IMAGE = cv2.cvtColor(IMAGE, cv2.COLOR_BGR2RGB)/255

REFERENCE_RGB = colour.cctf_decoding(
    np.array(
        [
            [240, 0, 22],
            [252, 222, 10],
            [30, 187, 22],
            [26, 0, 165],
        ]
    )
    / 255
)

TEST_RGB = np.array(
    [
        [0.578, 0.0, 0.144],
        [0.895, 0.460, 0.0],
        [0.0, 0.183, 0.074],
        [0.067, 0.010, 0.070],
    ]
)
corrected = colour.colour_correction(IMAGE, REFERENCE_RGB, TEST_RGB)

# 正确的转换流程
# 1. 把线性RGB编码为sRGB非线性空间
srgb_corrected = colour.cctf_encoding(corrected)
# 2. 缩放并转换为uint8
srgb_corrected_uint8 = (srgb_corrected * 255).astype(np.uint8)
# 3. 转为OpenCV的BGR格式
cv2_img = cv2.cvtColor(srgb_corrected_uint8, cv2.COLOR_RGB2BGR)

# 现在可以正常用于Canny边缘检测
edges = cv2.Canny(cv2_img, 100, 200)
cv2.imshow('Corrected Image', cv2_img)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

错误方法分析 #

• 方法2错误：直接对线性RGB乘255转uint8，没有做伽马编码。OpenCV显示uint8图像时会默认按sRGB伽马曲线解码，相当于对线性数据额外做了一次伽马校正，导致图像整体偏暗、颜色失真。
• 方法3错误：cv2.normalize会强制把图像的像素值范围拉伸到0-255，破坏了色彩校准后的绝对颜色值，导致颜色偏离预期。

内容的提问来源于stack exchange，提问作者user16971617