为何scikit-image加载的图像乘0.5后在matplotlib中显示更亮？

问题现象 #

使用scikit-image的io.imread加载图像后，执行以下代码将图像RGB值缩小一半（例如原255变为127.5），但matplotlib显示时，处理后的图像反而比原图更亮（左侧为原图，右侧为处理后图像）：

test_image = io.imread("TestProvs2.bmp")
test_image = test_image * 0.5
show_map(test_image)

原因分析 #

io.imread加载的8位位图（如bmp）默认是uint8类型（数值范围0-255），乘以0.5后会自动转换为浮点数类型。而matplotlib在显示浮点数图像时，默认把0.0-1.0作为有效亮度范围，所有大于1.0的数值都会被截断为1.0（纯白）。原本0-255的数值缩小一半后是0-127.5，远超出matplotlib的默认范围，导致所有像素都被映射为高亮，所以图像显示更亮。

解决方案 #

方案1：先转成0-1范围的浮点数再调整

使用skimage.img_as_float将uint8图像转换为0-1范围的浮点数，再进行亮度调整，匹配matplotlib的显示规则：

from skimage import io, img_as_float
import matplotlib.pyplot as plt

test_image = io.imread("TestProvs2.bmp")
# 转换为0-1范围的浮点数格式
test_image_float = img_as_float(test_image)
# 调暗50%
test_image_dark = test_image_float * 0.5
plt.imshow(test_image_dark)
plt.show()

方案2：调整后转回uint8类型

将调整后的浮点数数值四舍五入后转回uint8类型，保持0-255的数值范围：

import numpy as np
from skimage import io
import matplotlib.pyplot as plt

test_image = io.imread("TestProvs2.bmp")
# 调暗后转回uint8，确保数值正确
test_image_dark = np.uint8(np.round(test_image * 0.5))
plt.imshow(test_image_dark)
plt.show()

方案3：显示时指定数值范围

在plt.imshow中通过vmin和vmax指定图像的数值范围为0-255，让matplotlib正确映射亮度：

from skimage import io
import matplotlib.pyplot as plt

test_image = io.imread("TestProvs2.bmp")
test_image_dark = test_image * 0.5
# 指定显示的数值范围与原图像一致
plt.imshow(test_image_dark, vmin=0, vmax=255)
plt.show()

内容的提问来源于stack exchange，提问作者Thomas Slade