为什么将 numpy.array dtype 从 int 更改为 float 会更改 numpy.imshow() 的输出答案

【问题标题】：Why does changing the numpy.array dtype from int to float change the output of numpy.imshow()为什么将 numpy.array dtype 从 int 更改为 float 会更改 numpy.imshow() 的输出
【发布时间】：2020-07-08 04:14:06
【问题描述】：

今天，我遇到了一件我无法解释也找不到答案的奇怪事情。也许我有一些基本的误解，我没有看到明显的东西，但我想我现在知道发生了什么，我会咬紧牙关被叫出来。

我正在使用 PIL 加载一些图像数据并将其转换为 numpy 数组。这里没有什么花哨的。但是，我随后将数据类型从整数更改为浮点数，以便在后面的步骤中标准化 RGB 通道。

我希望将数据类型从 int 更改为 float 不会以任何方式真正改变图像。不过……

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image

im = Image.open("test.jpg")

dtype 改变前：

plt.imshow(np.array(im))

dtype 改变后：

plt.imshow(np.array(im).astype(float))

这是人们所期望的吗？如果是这样……为什么？我错过了什么？

提前干杯和感谢！

【问题讨论】：

标签： python numpy matplotlib python-imaging-library dtype

【解决方案1】：

如果您查看文档，您会看到 imshow 期望：

(M, N)：带有标量数据的图像。使用标准化和颜色图将值映射到颜色。查看参数 norm、cmap、vmin、vmax。

(M, N, 3)：具有 RGB 值（0-1 float 或 0-255 int）的图像。

所以当 dtype 为 float 时，它希望它们在 0-1 范围内，因此我们必须将其除以 255 以获得预期结果，否则您将看到 负数 em> 图片。

这是一个使用来自sklearn.datasets 的示例图像的示例：

from sklearn.datasets import load_sample_images
dataset = load_sample_images()     
first_img_data = dataset.images[0]
plt.imshow(first_img_data)

为了限制0-1范围内的值，我们只需要除以255：

plt.imshow(first_img_data.astype(float)/255)

【讨论】：

为什么看到图片的负片？
谢谢。当你这样解释时，它是有道理的。
好吧@mad ...链接中的问题正是如此。这就是我看到自己的方式，这就是看到那个帖子的原因。我认为只是引导你去它是最简单的方法
我不是在讽刺，但回头看，我发现没有其他方法可以阅读我的评论。再乘以 255 的效果确实是个问题。
谢谢！呃，回想起来。

【解决方案2】：

matplotlib.pyplot.imshow函数中写了以下内容：

Parameters:
        X : array-like or PIL image
            The image data. Supported array shapes are:
            - (M, N): an image with scalar data. The values are mapped to
              colors using normalization and a colormap. See parameters *norm*,
              *cmap*, *vmin*, *vmax*.
            - (M, N, 3): an image with RGB values (0-1 float or 0-255 int).
            - (M, N, 4): an image with RGBA values (0-1 float or 0-255 int),
              i.e. including transparency.

这项工作适合你：

plt.imshow(np.array(im).astype(float)/255)

【讨论】：