为什么归一化表面法线EXR渲染图与PNG渲染图存在差异？

我来帮你把这段读取EXR法线的代码补全并梳理清楚，毕竟用Cycles渲染的表面法线EXR文件，通道值范围是**[-1, 1]**，没法直接存储为PNG格式（PNG只支持非负的像素值范围），先把它转换成NumPy数组是后续处理的关键一步。

完整的读取与转换代码 #

import OpenEXR
import array
import Imath
import numpy as np

# 打开目标EXR法线文件
exr_file = OpenEXR.InputFile('normal.exr')

# 定义EXR文件的像素类型为浮点型
float_pixel_type = Imath.PixelType(Imath.PixelType.FLOAT)

# 获取图像的宽高尺寸（从EXR的头信息中提取数据窗口）
data_window = exr_file.header()['dataWindow']
width = data_window.max.x - data_window.min.x + 1
height = data_window.max.y - data_window.min.y + 1

# 读取R、G、B三个通道的浮点数据，转换为Python列表
rgb_channel_data = [
    array.array('f', exr_file.channel(channel, float_pixel_type)).tolist()
    for channel in ("R", "G", "B")
]

# 将一维的通道数据转换为(height, width, 3)的标准图像NumPy数组
normal_np_array = np.array(rgb_channel_data).reshape(3, height, width).transpose(1, 2, 0)

代码说明 #

• 首先导入了所有需要的库：OpenEXR负责读取EXR文件，array处理原始的浮点数据，Imath处理EXR的像素类型和数据窗口信息，numpy用于高效的数组操作。
• 读取EXR文件后，必须先获取图像的宽高——EXR的dataWindow存储了图像的有效像素区域，通过计算窗口的最大/最小值差得到实际的宽高数值。
• 每个通道的原始数据是一维的浮点列表，所以我们需要用reshape和transpose把它转换成(高度, 宽度, 3)的标准图像数组形状，这样后续的可视化或格式转换会更方便。

额外补充：将法线数组转换为可保存的PNG格式 #

如果需要把处理后的法线保存为PNG，我们需要把**[-1, 1]的范围线性映射到PNG支持的[0, 1]或[0, 255]**范围：

# 将[-1, 1]映射到[0, 1]的浮点范围
normal_for_png = (normal_np_array + 1) / 2.0

# 转换为8位无符号整数（0-255），适合保存为常规PNG
normal_8bit = (normal_for_png * 255).astype(np.uint8)

# 用PIL库保存为PNG文件
from PIL import Image
Image.fromarray(normal_8bit).save('normal_converted.png')

内容的提问来源于stack exchange，提问作者Amir