torchvision与PIL归一化图像出现条带（像素溢出）问题求助

问题原因 #

• torchvision.transforms.Normalize会将图像张量从[0,1]范围转换为均值为0、方差为1的分布，此时张量中会出现大量负数和大于1的数值。
• OpenCV在显示浮点型图像时，会自动将超出[0,1]范围的值截断（小于0设为0，大于1设为1），因此能正常显示。
• ToPILImage()对输入张量的范围有严格要求：若输入是float32类型，必须落在[0,1]区间；若为uint8则是[0,255]。超出范围的数值会被错误映射，导致像素溢出、条带化的异常显示。

解决方法 #

你需要先将归一化后的张量调整回[0,1]范围，再转换为PIL Image，以下是两种可行方式：

方法1：反归一化还原原始像素范围 #

from PIL import Image
import torchvision.transforms as T
import torch

path = './image.png'
# 原始归一化参数
mean = [0.4604, 0.4661, 0.4107]
std = [0.1967, 0.1825, 0.1944]

transform = T.Compose([
    T.ToTensor(),
    T.Normalize(mean=mean, std=std),
])

# 读取并处理图像
img_pil = Image.open(path)
img_tensor = transform(img_pil)

# 定义反归一化变换：还原为 x = x*std + mean
inv_normalize = T.Normalize(
    mean=[-m/s for m, s in zip(mean, std)],
    std=[1/s for s in std]
)
# 反归一化后截断到[0,1]，避免计算误差导致的微小越界
img_denorm = torch.clamp(inv_normalize(img_tensor), 0, 1)

# 转换为PIL Image并显示
T.ToPILImage()(img_denorm).show()

方法2：直接截断到[0,1]（快速显示） #

如果不需要还原原始像素值，只是想正常显示归一化后的图像，直接截断范围即可：

from PIL import Image
import torchvision.transforms as T
import torch

path = './image.png'
transform = T.Compose([
    T.ToTensor(),
    T.Normalize(mean=[0.4604, 0.4661, 0.4107], std=[0.1967, 0.1825, 0.1944]),
])

img_pil = Image.open(path)
img_tensor = transform(img_pil)

# 截断张量值到[0,1]区间
img_clamped = torch.clamp(img_tensor, 0, 1)
T.ToPILImage()(img_clamped).show()

内容的提问来源于stack exchange，提问作者Codi