灰度图像归一化后保存全黑问题求助（附Python代码）

核心问题 #

保存的图片全黑，根源是归一化后的浮点值转uint8时被强制截断：

• 灰度图转换后像素值是0-255的uint8类型，除以255后变成0.0-1.0的浮点值
• 直接转uint8会丢弃所有小数部分，结果全部为0，因此保存的图片呈现纯黑

解决方案 #

方案1：保存视觉正常的灰度图（映射回0-255范围） #

如果需要保存的图片能正常视觉显示，需将归一化后的数值重新映射回0-255区间再转uint8：

import os
import cv2
from numpy import asarray

# 替换为你的实际路径
path = "你的根路径"
newdir = "图像存储目录"
dstpath = "处理后保存路径"

files = os.listdir(path) 
for file in files:
    # 用os.path.join拼接路径，避免跨平台分隔符问题
    file_dir = os.path.join(newdir, file)
    folder = os.listdir(file_dir)
    for f in folder:
        sub_dir = os.path.join(file_dir, f)
        folder2 = os.listdir(sub_dir)
        # 创建目标存储目录
        save_sub_dir = os.path.join(dstpath, file, f)
        if not os.path.exists(save_sub_dir):
            os.makedirs(save_sub_dir)
        for image in folder2:
            img_path = os.path.join(sub_dir, image)
            img = cv2.imread(img_path)
            # 增加读取失败判断，避免损坏文件导致报错
            if img is None:
                print(f"无法读取图像: {img_path}")
                continue
            # 转换为灰度图
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            # 归一化后映射回0-255范围
            normalized_gray = (gray / 255.0 * 255).astype('uint8')
            # 也可以用cv2.normalize实现更稳妥的归一化：
            # normalized_gray = cv2.normalize(gray, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
            save_path = os.path.join(save_sub_dir, image)
            cv2.imwrite(save_path, normalized_gray)

方案2：保存浮点格式图像（保留0-1的归一化值） #

如果需要保留0-1的浮点数值（比如用于后续模型输入），可以保存为支持浮点格式的图像（如TIFF）：

# 仅修改保存相关代码段
normalized_gray = (gray / 255.0).astype('float32')
# 将文件名改为TIFF格式
save_path = os.path.join(save_sub_dir, os.path.splitext(image)[0] + ".tiff")
cv2.imwrite(save_path, normalized_gray)

额外优化建议 #

• 始终用os.path.join拼接路径，避免Windows/Linux路径分隔符不兼容问题
• 增加图像读取失败的判断逻辑，避免因损坏文件导致程序崩溃
• 可使用glob模块简化多层目录遍历，让代码更简洁

内容的提问来源于stack exchange，提问作者Ahmed Abd El-Samie