如何基于自定义调色板高效将numpy数组转换为RGB图像？

架构老林

2026-5-27

如何高效将索引数组转换为RGB图像？

问题背景

你需要把一个索引形式的numpy.ndarray（每个元素对应颜色数组的索引值）转换成RGB图像，当前用双重循环的方法速度极慢（每张图像约1.5秒）：

out = [[12 12 12 ..., 12 12 12]
       [12 12 12 ..., 12 12 12]
       [12 12 12 ..., 12 12 12]
       ...,
       [11 11 11 ..., 10 10 10]
       [11 11 11 ..., 10 10 10]
       [11 11 11 ..., 10 10 10]]

colors_pal = np.array(
    [[0,0,128],  # ind 0
     [0,0,0],    # ind 1
     ....
     [255,255,255]], # ind 12
    dtype=np.float32
)

# 当前效率极低的实现
data = np.zeros((out.shape[0],out.shape[1],3), dtype=np.uint8 )
for x in range(0,out.shape[0]):
    for y in range(0,out.shape[1]):
        data[x,y] = colors_pal[out[x][y]]
img = Image.fromarray(data)
img.save(...)

高效解决方案：利用Numpy向量化索引

Python层面的循环本来就不适合处理大数组，而Numpy的高级索引可以直接完成这种映射，完全避免逐元素循环，速度能提升几个数量级。核心思路是直接用索引数组out去索引颜色数组colors_pal，Numpy会在底层用C语言批量完成所有映射操作。

优化后的代码

import numpy as np
from PIL import Image

# 确保out是整数类型数组（如果原类型不是可以转换）
out = out.astype(np.int32)
# 直接通过索引获取RGB数组，再转换为PIL支持的uint8类型
rgb_data = colors_pal[out].astype(np.uint8)
# 生成图像并保存
img = Image.fromarray(rgb_data)
img.save("output.png")

额外优化小技巧

提前转换颜色数组的类型：如果colors_pal是float32类型，可以先转成uint8，减少后续转换的开销：
```
colors_pal = colors_pal.astype(np.uint8)
rgb_data = colors_pal[out]
```
确认out的 dtype：确保它是整数类型（比如int32、uint8），避免索引时的隐式类型转换损耗性能。