嘿，我来帮你理清这个问题——首先得搞懂PIL调色板的工作逻辑，然后一步步搭建符合你编码规则的调色板。

先聊聊PIL调色板的核心逻辑 #

在PIL里，调色板（Palette）本质是一个768字节的数组（256个索引 × 3个RGB通道），每个索引对应一个8位的“标签值”（也就是你要提取的原始数据字节）。当你对RGB图像调用quantize(palette=palette_image)时，PIL会把原图像里的每个RGB像素，和调色板里的所有颜色逐一比对，找到最接近的那个颜色对应的索引——这个索引就是量化后图像的像素值，也就是你要的8位原始数据。

你的场景是精确分段编码，不是模糊的颜色匹配，所以我们可以精准构建调色板，让每个数据字节对应的RGB颜色段，都能100%映射到对应的索引。

针对你的编码规则构建调色板 #

先再明确下你的编码逻辑：

• 红色通道（R）：用高2位（Bit7-6），每64个值为一段（0-63→0b00，64-127→0b01，以此类推）
• 绿色通道（G）：用中间3位（Bit5-3），每32个值为一段（0-31→0b000，32-63→0b001，以此类推）
• 蓝色通道（B）：用低3位（Bit2-0），和G通道一样每32个值为一段

要构建调色板，我们需要反向推导：对每个可能的8位数据值（0-255），算出对应的RGB段的代表颜色（选段的中间值，确保该段内所有RGB值都会匹配到这个索引），然后把这些RGB值按顺序存入调色板数组。

具体实现代码 #

直接上可运行的代码，我会加详细注释：

from PIL import Image

def build_custom_palette():
    # 调色板是768字节的数组：256个索引 × 3个RGB通道
    palette = bytearray(768)
    for data_byte in range(256):
        # 反向计算每个数据字节对应的RGB段中间值
        # 红色通道：提取Bit7-6，计算对应段的中间值
        r_segment = (data_byte >> 6) & 0b11  # 取高2位
        r = r_segment * 64 + 32  # 段中间值：32(0-63段)、96(64-127段)等
        
        # 绿色通道：提取Bit5-3，计算对应段的中间值
        g_segment = (data_byte >> 3) & 0b111  # 取中间3位
        g = g_segment * 32 + 16  # 段中间值：16(0-31段)、48(32-63段)等
        
        # 蓝色通道：提取Bit2-0，计算对应段的中间值
        b_segment = data_byte & 0b111  # 取低3位
        b = b_segment * 32 + 16
        
        # 将RGB值写入调色板对应位置
        idx = data_byte * 3
        palette[idx] = r
        palette[idx+1] = g
        palette[idx+2] = b
    
    # 创建调色板图像：模式为P（调色板模式），尺寸1×256
    palette_img = Image.new("P", (1, 256))
    palette_img.putpalette(palette)
    return palette_img

def decode_encoded_image(image_path):
    # 打开编码后的RGB图像，确保转为RGB模式
    encoded_img = Image.open(image_path).convert("RGB")
    # 构建自定义调色板
    custom_palette = build_custom_palette()
    # 量化图像：将RGB像素映射到调色板对应的索引（即原始数据字节）
    decoded_img = encoded_img.quantize(palette=custom_palette)
    # 获取所有原始数据字节，可转为bytes对象保存或处理
    raw_data = bytes(decoded_img.getdata())
    return raw_data, decoded_img

# 示例使用
if __name__ == "__main__":
    # 替换为你的编码图像路径
    raw_data, decoded_img = decode_encoded_image("your_data_image.png")
    # 打印前10个字节验证（比如你示例中的RGB[150,40,94]应该对应0b10001010即138）
    print("前10个原始数据字节：", raw_data[:10])
    # 也可以保存解码后的调色板模式图像，方便查看
    decoded_img.save("decoded_data.png")

验证你的示例 #

拿你给出的RGB=[150,40,94]来验证：

• R=150 → 属于128-191段，对应r_segment=2（0b10）
• G=40 → 属于32-63段，对应g_segment=1（0b001）
• B=94 → 属于64-95段，对应b_segment=2（0b010）
  组合起来就是0b10001010（十进制138），用上面的代码，这个RGB像素会匹配到调色板中索引138的颜色（R=160，G=48，B=80），最终得到的像素值就是138，完全符合预期。

额外说明 #

如果你的图像中RGB值刚好是段的起始值（比如R=64、G=32），匹配会更精准；选择段中间值是为了覆盖整个段内的所有可能值，确保无论像素落在段内哪个位置，都会匹配到正确的索引。

备注：内容来源于stack exchange，提问作者Steffen