YCbCr 图像为什么保存后有坏点??

YCbCr 图像为什么保存后有坏点?? 小坑请注意!

问题描述

我最近在把 github 上的开源代码一直到自己的实验平台时，一些要把图片从 RGB 转换成 YCbCr 然后计算，再把 YCbCr 图片转换成 RGB 的算法，经常会出现坏点，如下图：

Debug

经过长时间的煎熬，我发现：cv2.imwrite，如果保存的是cv2.imwrite(name,sr_image*255.0)就不会有错，如果是cv2.imwrite(name,(sr_image*255.0).astype(np.uint8))就会有错！

原来，cv2.imwrite()如果输入的是一个浮点数，就算他是0～255 的小数，输入进去，他也会默认进行截断！

所以如果想用其他方法保存图片，比如 PIL 的 Image.save()，就需要手动进行这一步截断！

下面是我改好的代码（这个算法是超分辨率重建的复现，SRCNN，改自https://github.com/Lornatang/SRCNN-PyTorch）

import torch
import torchvision.transforms as transforms
import numpy as np
from PIL import Image

from ....utils import path_to_rgb
from .utils import *

def inference(model, iml, img, opts):
    # Start the verification mode of the model.
    model.eval()

    # Read LR image and HR image
    lr_image = np.array(path_to_rgb(iml)) / 255.0
    
    # Get Y channel image data
    lr_y_image = rgb2ycbcr(lr_image, True)

    # Get Cb Cr image data from hr image
    lr_ycbcr_image = rgb2ycbcr(lr_image, False)
    [_, lr_cb_image, lr_cr_image] = [lr_ycbcr_image[:,:,i] for i in range(3)]

    # Convert RGB channel image format data to Tensor channel image format data
    lr_y_tensor = image2tensor(lr_y_image, False, False).unsqueeze_(0)

    # Transfer Tensor channel image format data to CUDA device
    lr_y_tensor = lr_y_tensor.to(device=opts.device)

    # Only reconstruct the Y channel image data.
    with torch.no_grad():
        sr_y_tensor = model(lr_y_tensor).clamp_(0, 1.0)

    # Save image
    sr_y_image = tensor2image(sr_y_tensor, False, False)
    sr_y_image = sr_y_image.astype(np.float32) / 255.0
    sr_ycbcr_image = np.stack([sr_y_image[:,:,0], lr_cb_image, lr_cr_image],axis=-1)
    sr_image = ycbcr2rgb(sr_ycbcr_image)
    sr_image = (np.clip(sr_image*255.0, 0, 255)).astype(np.uint8) # Important!
    sr_image = Image.fromarray(np.array(sr_image))
    return transforms.ToTensor()(sr_image)

详细内容请看：https://github.com/CharlesShan-hub/CVPlayground

其中，重点在这里：在转换成 Image 类型之前，要截断溢出的值！

sr_image = (np.clip(sr_image*255.0, 0, 255)).astype(np.uint8)
sr_image = Image.fromarray(np.array(sr_image))

改好后的代码运行结果如下：