Tensorflow CIELAB颜色空间界

Question

我有以下脚本，它在RGB中获取图像并将其转换为Lab颜色空间：

import tensorflow as tf
import tensorflow_io as tfio

img = tf.io.read_file(tf.keras.utils.get_file("tf", "https://upload.wikimedia.org/wikipedia/commons/e/e5/TensorFlow_Logo_with_text.png"))
img = tf.image.decode_png(img, channels=3)
img = tf.image.resize(img, [512, 512])
lab = tfio.experimental.color.rgb_to_lab(img)

lab = lab.numpy()
lab.shape  # (512, 512, 3)

lab[:, :, 0].min()  # 3660.3594
lab[:, :, 0].max()  # 9341.573

lab[:, :, 1].min()  # -49.76082
lab[:, :, 1].max()  # 4273.1514

lab[:, :, 2].min()  # -1256.8489
lab[:, :, 2].max()  # 6293.9043

Wiki CIELAB颜色空间

实验室空间是三维的，涵盖了整个人类的色觉，或色域.它基于人类视觉中的对手颜色模型，其中红色/绿色形成对手对，蓝色/黄色形成对手对。亮度值L*，也称为"Lstar“，定义黑色为0，白色定义为100。a*轴相对于绿红对手的颜色，负值为绿色，正值为红色。b*轴代表蓝色-黄色的对手，负数向蓝色，正向黄色。 a*和b*轴是无界的，根据参考白度，它们很容易超过±150来覆盖人类的色域。然而，软件实现常常出于实际原因而限制这些值。例如，如果使用整数数学，则通常将a*和b*夹在-128到127之间。

为什么0 <= lab[:, :, 0].min() <= lab[:, :, 0].max() <= 100不是真的？

Answer 1

函数tfio.experimental.color.rgb_to_lab期望它的输入是在0到1之间规范化的浮点。

您可以调用tf.image.convert_image_dtype对图像进行规范化(如果输入是整数，目标输出是浮点数，则函数将在0到1之间自动将其规范化)。

import tensorflow as tf
import tensorflow_io as tfio

img = tf.io.read_file(tf.keras.utils.get_file("tf", "https://upload.wikimedia.org/wikipedia/commons/e/e5/TensorFlow_Logo_with_text.png"))
img = tf.image.decode_png(img, channels=3)
img = tf.image.convert_image_dtype(img, dtype=tf.float32)
img = tf.image.resize(img, [512, 512])
lab = tfio.experimental.color.rgb_to_lab(img)

lab = lab.numpy()

并检查L维度：

>>> lab[:,:,0].min()
33.678085
>>> lab[:,:,0].max()
100.0