Matplotlib - 如何重新调整 RGB 图像的像素强度

Question

我对 matplotlib 如何处理 fp32 像素强度感到困惑。据我了解，它会重新调整图像的最大值和最小值之间的值。但是，当我尝试通过使用 imshow() 将像素强度重新缩放到 [-1,1]（通过 im*2-1）来查看最初在 [0,1] 中的图像时，图像的颜色会有所不同。如何重新缩放以使图像没有差异？

编辑：请看图片 -

PS：我需要将这些值作为程序的一部分来输出 [-1,1]

以下是用于此的代码：

img = np.float32(misc.face(gray=False))
fig,ax = plt.subplots(1,2)
img = img/255 # Convert to 0,1 range
print (np.max(img), np.min(img))    
img0 = ax[0].imshow(img)
plt.colorbar(img0,ax=ax[0])
print (np.max(2*img-1), np.min(2*img-1))
img1 = ax[1].imshow(2*img-1)  # Convert to -1,1 range
plt.colorbar(img1,ax=ax[1])
plt.show() 

最大、最小输出为：

(1.0, 0.0)
(1.0, -1.0)

Answer 1

你可能在这里使用了 matplotlib 错误。

标准化步骤应该可以正常工作，如果它处于活动状态的话。 docs 告诉我们，只有在输入图像为浮点类型时才默认激活！

代码

import numpy as np
import matplotlib.pyplot as plt
from scipy import misc

fig, ax = plt.subplots(2,2)

# This usage shows different colors because there is no normalization
# FIRST ROW
f = misc.face(gray=True)
print(f.dtype)
g = f*2  # just some operation to show the difference between usages
ax[0,0].imshow(f)
ax[0,1].imshow(g)

# This usage makes sure that the input-image is of type float
# -> automatic normalization is used!
# SECOND ROW
f = np.asarray(misc.face(gray=True), dtype=float)  # TYPE!
print(f.dtype)
g = f*2  # just some operation to show the difference between usages
ax[1,0].imshow(f)
ax[1,1].imshow(g)

plt.show()

输出

uint8
float64

分析

第一行显示错误用法，因为输入是 int 类型，因此不会使用规范化。

第二行显示正确用法！

编辑：

sascha 在 cmets 中正确指出，重新缩放不适用于 RGB 图像，并且必须确保输入在 [0,1] 范围内。