Python 在Numpy中正确地将sRGB矢量化为线性转换

在我的图像编辑应用程序中，我有一个将32位浮点图像从sRGB转换为线性颜色空间的功能。公式是：

if value <= 0.04045: (value / 12.92)
if value > 0.04045: ((value + 0.055) / 1.055)^2.4)

可能是因为它被包装在np.power函数中时不起作用

非常感谢您的帮助。

一个干净的方法是让我们根据掩码在两个值之间进行选择。在我们的例子中，掩码可以是

img32>=0.04045

，我们将在

True

时选择

（（img32+0.055）/1.055）**2.4

，否则选择

img32/12.92

因此，我们将有一个这样的实现-

np.where( img32 >= 0.04045,((img32 + 0.055) / 1.055)**2.4, img32/12.92 )

mask = img32 >= 0.04045
img32[mask] = ((img32[mask] + 0.055) / 1.055)**2.4
img32[~mask] = img32[~mask] / 12.92

---

如果您非常关心内存，并且希望将结果写回输入数组，那么可以通过创建并有选择地设置与这两个条件对应的元素（如下所示），分三步完成-

np.where( img32 >= 0.04045,((img32 + 0.055) / 1.055)**2.4, img32/12.92 )

mask = img32 >= 0.04045
img32[mask] = ((img32[mask] + 0.055) / 1.055)**2.4
img32[~mask] = img32[~mask] / 12.92

样本箱-

In [143]: img32 = np.random.rand(4,5).astype(np.float32)

In [144]: img32.nbytes
Out[144]: 80

In [145]: mask.nbytes
Out[145]: 20

因此，我们避免创建一个输出数组，该数组将花费我们

80

字节，而是在掩码上使用

20

字节。因此，可以在内存中节省输入数组大小的75%。请注意，这可能会导致性能略有下降。

b=（img32<0.04045）
b = (img32 < 0.04045)
img32[b] /= 12.92

not_b = numpy.logical_not(b)
img32[not_b] += 0.05
img32[not_b] /= 1.055
img32[not_b] **= 2.4

img32[b]/=12.92
not_b=numpy.logical_not（b）
img32[not_b]+=0.05
img32[非b]/=1.055
img32[非欧元区]**=2.4

您还可以使用：

[11]中的

：img32=np.random.rand（800600）.astype（np.float32）
[12]中：img_线性=np.分段（img32，
[img32 0.04045]，
[lambda v:v/12.92，lambda v:（（v+0.055）/1.055）**2.4]）
In[13]：img_线性形状
Out[13]：（800600）
在[14]中：img_linear.dtype
Out[14]：数据类型（'float32'）

更好的解决方案

-如何更好？内存方面还是性能方面？一些更干净的东西，因为在我看来这有点像黑客。我正在寻找一种标准的方法来做这件事。还没有测试过速度（相当快），但我想这肯定是在浪费内存？抱歉说不清楚，谢谢！我现在使用的是np.where，但稍后我会比较一下执行速度，看看什么运行得最快，效率最高。相反的是（与sRGB呈线性关系）：

img=np.where（img<0.0031308，img*12.92，1.055*（pow（img，（1.0/2.4））-0.055）

b = (img32 < 0.04045)
img32[b] /= 12.92

not_b = numpy.logical_not(b)
img32[not_b] += 0.05
img32[not_b] /= 1.055
img32[not_b] **= 2.4

In [11]: img32 = np.random.rand(800, 600).astype(np.float32)

In [12]: img_linear = np.piecewise(img32, 
           [img32  <= 0.04045, img32 > 0.04045], 
           [lambda v: v/12.92, lambda v: ((v + 0.055)/1.055)**2.4] )

In [13]: img_linear.shape
Out[13]: (800, 600)

In [14]: img_linear.dtype
Out[14]: dtype('float32')