核心问题：通道数不兼容导致保存失败 #

你遇到的问题根源在于拼接后的图像通道格式不符合cv2.imwrite的保存规范：

• 你读取的原图im是3通道的BGR格式（cv2.imread默认返回3通道），而处理后的梯度图mag最终是1通道的灰度图，两者在通道维度（axis=2）拼接后得到了4通道数组。
• JPEG格式不支持4通道图像，cv2.imwrite在处理这种非标准格式时，会默认只保存前3通道（也就是原图），这就是为什么你只看到原图被保存。

另外，你的梯度图通道处理有大量冗余操作：先把灰度图转成RGB（3通道），又转回灰度（1通道），再扩展成1通道，完全是没必要的绕路。

修正步骤与代码改进 #

1. 修复基础依赖问题

首先，你的代码里用到了os模块的函数，但没有导入，先补上：

import os  # 加上这个导入
import cv2
import numpy as np

2. 简化梯度图的通道处理

把冗余的通道转换去掉，直接将单通道梯度图转为3通道BGR格式（和原图通道数一致），方便后续拼接：

# 原冗余代码替换成这一行
mag = cv2.cvtColor(mag, cv2.COLOR_GRAY2BGR)

现在mag的形状和原图im完全一致，都是(高度, 宽度, 3)。

3. 选择正确的拼接方式（二选一）

方式一：左右/上下并排拼接（推荐，可视化对比常用）

如果你的需求是把原图和梯度图并排显示（而不是合并通道），在宽度或高度维度拼接：

# 左右拼接（axis=1，宽度方向）
concat = np.concatenate([im, mag], axis=1)
# 或者上下拼接（axis=0，高度方向）
# concat = np.concatenate([im, mag], axis=0)

这样得到的是3通道图像，完全符合JPEG的保存要求，cv2.imwrite可以正常保存。

方式二：通道维度拼接（仅当你需要多通道数据时）

如果你确实要在通道维度合并（比如作为额外的特征通道），需要保存为支持4通道的格式（比如PNG），并且可以将梯度图作为Alpha通道：

# 保留梯度图为单通道，和原图拼接成4通道BGRA
mag_single = np.expand_dims(mag, axis=2)
concat = np.concatenate([im, mag_single], axis=2)
# 保存为PNG格式（JPG不支持4通道）
outfile = 'output%s.png' % (num)
cv2.imwrite(outfile, concat)

注意：这种方式的图像在普通查看器中会把梯度图当作透明度显示，可能不是你想要的可视化效果。

完整修正后的代码 #

import os
import cv2
import numpy as np

def prepare_data_test(test_path):
    input_names = []
    for dirname in test_path:
        for _, _, fnames in sorted(os.walk(dirname)):
            for fname in fnames:
                if is_image_file(fname):
                    input_names.append(os.path.join(dirname, fname))
    return input_names

def is_image_file(filename):
    return any(filename.endswith(extension) for extension in IMG_EXTENSIONS)

IMG_EXTENSIONS = [
    '.jpg', '.JPG', '.jpeg', '.JPEG',
    '.png', '.PNG', '.ppm', '.PPM',
    '.bmp', '.BMP',
]

test_path = ["./figures/"] # ["./test_images/real/"]
subtask = "dataset" # if you want to save different testset separately
val_names = prepare_data_test(test_path)
num=1
for val_path in val_names:
    im = cv2.imread(val_path)#3채
    img = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) # no channel
    dx = cv2.Sobel(img, cv2.CV_32F, 1, 0) # float 형태의 미분값을 저장
    dy = cv2.Sobel(img, cv2.CV_32F, 0, 1)
    mag = cv2.magnitude(dx, dy) # gradient magnitude , no channel
    mag = np.clip(mag, 0, 255).astype(np.uint8) # 255보다 커질 수 있으므로 saturate 연산
    
    # 简化通道处理：转成3通道BGR，和原图格式匹配
    mag = cv2.cvtColor(mag, cv2.COLOR_GRAY2BGR)
    
    # 左右拼接（推荐的可视化方式）
    concat = np.concatenate([im, mag], axis=1)
    
    outfile = 'output%s.jpg' % (num)
    cv2.imwrite(outfile, concat)
    num = num + 1

# 这里cv2.waitKey()和destroyAllWindows()其实不需要，因为没有创建窗口显示图像
# cv2.waitKey()
# cv2.destroyAllWindows()

内容的提问来源于stack exchange，提问作者허니브레</think_never_used_51bce0c785ca2f68081bfa7d91973934>