TensorFlow 1.8中tf.image.rgb_to_yuv函数无法使用问题求助

你猜的完全没错，这个问题确实和TensorFlow 1.x版本的函数迭代有关！tf.image.rgb_to_yuv是在TensorFlow 1.13版本才正式加入到tf.image模块中的，而你使用的1.8版本还没有收录这个函数，所以会抛出AttributeError。反观tf.image.rgb_to_hsv，因为早在TensorFlow 1.0版本就已经存在，所以能正常调用。

针对你的情况，有两个可行的解决方案：

方案一：手动实现RGB转YUV的转换逻辑 #

色彩空间转换的公式是公开标准的，你可以用TensorFlow的基础运算快速实现，完全不需要依赖高版本的API。这里给出基于BT.601标准的转换实现（适用于大多数常规图像场景）：

import tensorflow as tf

def rgb_to_yuv(rgb):
    # 输入rgb张量形状需为[..., 3]，取值范围建议先归一化到0-1的浮点数
    r, g, b = tf.split(rgb, 3, axis=-1)
    y = 0.299 * r + 0.587 * g + 0.114 * b
    u = -0.14713 * r - 0.28886 * g + 0.436 * b
    v = 0.615 * r - 0.51499 * g - 0.10001 * b
    return tf.concat([y, u, v], axis=-1)

如果你的输入图像是0-255的整数格式，记得先通过tf.cast(rgb, tf.float32) / 255.0将其归一化到0-1区间后再传入函数。

如果之后需要YUV转RGB的逆操作，同样可以手动实现对应的逆公式：

def yuv_to_rgb(yuv):
    y, u, v = tf.split(yuv, 3, axis=-1)
    r = y + 1.13983 * v
    g = y - 0.39465 * u - 0.58060 * v
    b = y + 2.03211 * u
    return tf.concat([r, g, b], axis=-1)

方案二：升级TensorFlow版本（如果项目允许） #

如果你的项目没有严格的版本限制，可以将TensorFlow升级到1.13及以上版本，这样就能直接调用tf.image.rgb_to_yuv官方函数了。不过升级前建议先检查项目中其他依赖库的兼容性，避免引入新的版本冲突问题。

内容的提问来源于stack exchange，提问作者meridius