Python OpenCV中np.zeros初始化图像imshow显示全黑/全白异常排查

在Python环境下使用OpenCV练习图像拷贝功能（已知可直接调用np.copy()实现该需求），编写测试代码如下：

import numpy as np
import cv2 as cv

img = cv.imread('Photos/image_1.jpg')
r, c, d = img.shape
img_copy = np.zeros((r, c, d))
for i in range(r):
    for j in range(c):
        for k in range(d):
            img_copy[i, j, k] = img[i, j, k]

cv.imshow('original image', img)
cv.imshow('copied image', img_copy)
cv.waitKey(0)

运行代码出现异常：

• 通过np.zeros((r,c,d))初始化的img_copy经三重for循环逐像素赋值后，cv.imshow显示为全黑图像
• 若替换为img_copy = np.ones(rows, cols, 3)初始化数组再执行相同逐像素赋值逻辑，cv.imshow显示为近乎全白的过曝图像
• 原始图像可正常显示，异常效果参考如下：
  
  

核心问题是NumPy数组的数据类型、创建规则和OpenCV的图像显示规则不匹配，具体分为两点：

1. 数据类型不符合OpenCV显示要求
   cv.imread()读取返回的图像数组默认是uint8（无符号8位整数）类型，像素值合法范围为0~255，对应cv.imshow从纯黑到纯白的亮度映射。
   而调用np.zeros()、np.ones()创建数组时，如果不手动指定dtype参数，默认生成的是float64（双精度浮点数）类型数组。cv.imshow对浮点类型数组的亮度映射规则是：仅把0~1.0范围的值映射为纯黑到纯白，所有大于1.0的像素值会被截断为1.0（纯白），小于0的值截断为0（纯黑）。
   逐像素赋值给浮点数组的是0~255范围的整数值，几乎所有像素值都远大于1.0，按规则本应显示为全白，出现全黑现象大概率是循环赋值时存在隐式类型转换截断、或OpenCV版本兼容问题，但本质诱因都是未指定正确的数组数据类型。
2. np.ones()传参错误
   NumPy的np.ones()、np.zeros()等数组创建方法，第一个参数要求传入代表数组维度的元组，写np.ones(rows, cols, 3)是把三个整数作为独立位置参数传入，会被函数识别为：shape=rows（仅创建长度为rows的一维数组）、dtype=cols、order=3，直接会触发参数错误，即使不报错，生成的数组形状也和原图不匹配，赋值后自然无法正常显示。

初始化拷贝数组时显式指定数据类型为uint8，同时正确传入形状元组即可：

# 正确初始化方式
img_copy = np.zeros((r, c, d), dtype=np.uint8)

如果只是做图像拷贝，直接使用img_copy = img.copy()（和np.copy(img)效果一致）即可，无需写三重循环逐像素赋值，Python层循环效率远低于NumPy内置的向量操作。

内容的提问来源于stack exchange，提问作者Hanif Khan