如何在Python中为EXR文件将float16转换为uint8？

你的问题根源有两个：错误解析了float16类型的通道数据，以及未对极小的浮点值做归一化映射。下面一步步帮你解决：

1. 先修正通道读取函数（关键！） #

你写的getChanEXR函数在处理HALF类型时，用了array.array('f', chanstr)来解析二进制数据——这是错误的！'f'对应的是float32类型，而EXR的HALF是float16，直接用float32解析会导致数值完全失真，得到的都是极小的错误值（就是你看到的1e-10量级的数）。

修正后的函数应该针对不同像素类型用对应的array类型码，再转换成numpy的正确 dtype：

import OpenEXR, Imath, array
import numpy as np

def getChanEXR(curEXRStr, curChannel, dataType):
    pt = None
    if dataType == 'HALF':
        pt = Imath.PixelType(Imath.PixelType.HALF)
        # HALF是16位浮点数，用无符号短整型读取二进制
        chan = array.array('H', OpenEXR.InputFile(curEXRStr).channel(curChannel, pt))
        # 转换为numpy的float16类型
        return np.array(chan, dtype=np.float16)
    elif dataType == 'FLOAT':
        pt = Imath.PixelType(Imath.PixelType.FLOAT)
        chan = array.array('f', OpenEXR.InputFile(curEXRStr).channel(curChannel, pt))
        return np.array(chan, dtype=np.float32)
    elif dataType == 'UINT':
        pt = Imath.PixelType(Imath.PixelType.UINT)
        chan = array.array('I', OpenEXR.InputFile(curEXRStr).channel(curChannel, pt))
        return np.array(chan, dtype=np.uint32)

2. 归一化+转换为uint8 #

修正读取后，你得到的才是真实的float16像素值。但EXR的数值范围通常不是0-1（可能包含高光、负值等），直接转uint8会把小于1的值截断为0，所以必须先做归一化映射：

方法1：线性归一化（基础版） #

将所有值缩放到0-1区间，再乘以255转换为uint8：

# 正确读取R通道数据
rCh = getChanEXR(imageFile, 'R', 'HALF')

# 获取数据的最小和最大值
min_val = rCh.min()
max_val = rCh.max()

# 避免除以0的边界情况
if max_val - min_val < 1e-10:
    rCh_uint8 = np.zeros_like(rCh, dtype=np.uint8)
else:
    # 线性归一化到0-1
    normalized = (rCh - min_val) / (max_val - min_val)
    # 转换为uint8
    rCh_uint8 = (normalized * 255).astype(np.uint8)

方法2：线性归一化+Gamma校正（更符合人眼感知） #

大多数EXR存储的是线性光数据，直接线性归一化会让暗部细节丢失。可以加上Gamma校正（通常用2.2）来匹配人眼：

rCh = getChanEXR(imageFile, 'R', 'HALF')
min_val = rCh.min()
max_val = rCh.max()

if max_val - min_val < 1e-10:
    rCh_uint8 = np.zeros_like(rCh, dtype=np.uint8)
else:
    normalized = (rCh - min_val) / (max_val - min_val)
    # 应用Gamma校正，加小epsilon避免0值取对数报错
    gamma_corrected = np.power(np.maximum(normalized, 1e-8), 1/2.2)
    rCh_uint8 = (gamma_corrected * 255).astype(np.uint8)

为什么你原来的代码全是0？ #

因为错误解析HALF数据后，得到的是完全失真的极小值（远小于1），而astype('uint8')会直接截断小数部分，所有小于1的浮点数都会变成0。修正读取函数后，再做归一化，就能得到正确的0-255范围的uint8数据了。

内容的提问来源于stack exchange，提问作者Mad Guru