图像分割中JPG压缩伪影导致的固定颜色映射问题求助

核心思路是基于你预设的固定目标颜色，通过颜色距离匹配来统一映射——不管图像里的过渡色怎么变，最终都会被映射到你指定的那4种固定RGB值，彻底解决不同图像颜色映射不一致的问题。

步骤1：先定义固定的目标颜色映射 #

首先明确你需要的4种固定RGB值（替换成你实际要求的颜色即可），同时建立颜色到标签ID的映射关系，确保所有图像共用同一套规则：

# 替换成你实际需要的4种固定RGB颜色，顺序可以自定义
TARGET_COLORS = np.array([
    [0, 0, 0],      # 示例：黑色
    [255, 0, 0],    # 示例：红色
    [0, 255, 0],    # 示例：绿色
    [0, 0, 255]     # 示例：蓝色
])

# 颜色到标签ID的映射，顺序对应上面的TARGET_COLORS
COLOR_TO_LABEL = {tuple(color): idx for idx, color in enumerate(TARGET_COLORS)}

步骤2：实现颜色匹配与映射函数 #

对每个带过渡色的像素，计算它和所有预设目标颜色的欧氏距离，找到距离最近的预设颜色，替换成该颜色的RGB值（或直接转为标签ID）。这里提供两种适配不同需求的实现：

方式一：映射为固定RGB值（还原干净的标签图） #

如果需要得到和预设颜色完全一致的标签图像，可以用这个方法：

from PIL import Image
import numpy as np
import torch

def map_to_fixed_colors(image_path, target_colors):
    # 读取图像并转为RGB格式（避免灰度图或RGBA的干扰）
    image = Image.open(image_path).convert("RGB")
    img_np = np.array(image)
    
    # 计算每个像素与所有目标颜色的欧氏距离（广播计算提升效率）
    distances = np.sqrt(((img_np[:, :, np.newaxis, :] - target_colors)**2).sum(axis=3))
    
    # 找到每个像素距离最近的目标颜色索引
    closest_color_indices = np.argmin(distances, axis=2)
    
    # 替换为对应的固定目标颜色
    mapped_img = target_colors[closest_color_indices]
    
    # 转为torch张量（如果后续需要用PyTorch处理）
    mapped_tensor = torch.from_numpy(mapped_img).long()
    
    return mapped_img, mapped_tensor

方式二：直接映射为标签ID（适合分割任务的标签输入） #

如果你的分割任务只需要标签ID矩阵，不需要RGB图，可以直接生成标签张量：

def map_to_label_ids(image_path, target_colors, color_to_label):
    image = Image.open(image_path).convert("RGB")
    img_np = np.array(image)
    
    distances = np.sqrt(((img_np[:, :, np.newaxis, :] - target_colors)**2).sum(axis=3))
    closest_color_indices = np.argmin(distances, axis=2)
    
    # 生成标签ID矩阵
    label_map = np.zeros(img_np.shape[:2], dtype=np.int64)
    for idx, color in enumerate(target_colors):
        label_map[closest_color_indices == idx] = color_to_label[tuple(color)]
    
    label_tensor = torch.from_numpy(label_map).long()
    return label_map, label_tensor

步骤3：验证一致性 #

不管你处理多少张带有压缩伪影的图像，只要使用同一个TARGET_COLORS和COLOR_TO_LABEL：

• 所有原本属于红色的过渡色（比如[254,0,0]、[255,1,0]等）都会被映射到[255,0,0]，对应同一个标签ID；
• 完全不会出现不同图像颜色映射混乱的情况。

为什么之前的方法会出问题？ #

你之前的方法是直接提取当前图像的唯一颜色后动态分配值，这种方式没有参考预设的固定颜色规则，完全依赖当前图像的颜色集合，所以不同图像的映射关系自然会不一致。而基于预设颜色的最近邻匹配，是从根源上绑定了真实颜色到固定目标值的对应关系，彻底避免了这个问题。

内容的提问来源于stack exchange，提问作者Beginner