如何仅使用NumPy实现tfio的rgb2xyz颜色空间转换功能？

核心特性 #

• 逐步骤复刻tfio官方rgb_to_xyz计算逻辑，无自定义参数调整，可实现逐元素精度匹配
• 同时支持3维[H, W, 3]单图输入、4维[N, H, W, 3]批量输入
• 自动适配输入数组的浮点类型，支持float16/float32/float64三种dtype，与tfio的输入约束完全一致

完整实现代码 #

import numpy as np

def rgb_to_xyz(input_arr):
    """
    RGB转CIE XYZ色彩空间，计算逻辑与tfio版本完全对齐
    参数:
      input_arr: 3维(`[H, W, 3]`)或4维(`[N, H, W, 3]`)numpy浮点数组
    返回:
      同维度、同dtype的XYZ色彩空间数组
    """
    # 输入dtype校验，对齐tfio规则
    assert input_arr.dtype in (np.float16, np.float32, np.float64)
    
    # 转换矩阵完全复用tfio硬编码值，dtype与输入保持一致
    kernel = np.array(
        [
            [0.412453, 0.357580, 0.180423],
            [0.212671, 0.715160, 0.072169],
            [0.019334, 0.119193, 0.950227],
        ],
        dtype=input_arr.dtype
    )
    
    # sRGB线性化计算，阈值、公式完全对齐tfio实现
    linearized = np.where(
        input_arr > 0.04045,
        np.power((input_arr + 0.055) / 1.055, 2.4),
        input_arr / 12.92,
    )
    
    # 通道维度线性变换，等价于tf.tensordot(value, tf.transpose(kernel), axes=((-1,), (0,)))
    return linearized @ kernel.T

之前skimage版本精度不匹配的原因 #

skimage内置的rgb2xyz使用的sRGB gamma校正参数、XYZ转换矩阵数值和tfio的硬编码实现存在细微差异，因此无法做到逐元素结果完全一致。上述实现完全复用tfio的固定参数，不存在该偏差，浮点计算误差仅来自不同计算框架的底层精度差，通常在1e-7量级以内，可视为精度完全匹配。

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