使用pcolormesh绘制RGB图像结果异常的原因及解决方法

你的代码存在4个核心错误，直接导致输出图像异常：

• 错误使用pcolormesh叠图层：单次pcolormesh调用只能绘制单通道数值映射到色阶的结果，连续三次调用分别传入R/G/B通道时，后绘制的图层会直接覆盖前层，根本不会自动合并成RGB图像，最后显示的本质是最后传入的蓝色通道套上默认viridis色图的效果，自然会出现偏绿的怪异色彩。
• 坐标系方向不匹配：pcolormesh默认坐标原点在左下角，而常规图像存储的原点在左上角，直接绘制必然出现上下翻转的问题。
• 通道对应关系错误：CIFAR-10加载的原始数据本身就是RGB通道顺序，你代码里写blue,green,red = cv2.split(x)，相当于把原R通道当成B通道、原B通道当成R通道，色彩通道完全错位。
• 数值类型触发自动归一化：你把数组转成float32后没有约束值范围，matplotlib对浮点型单通道绘图数据会自动按极值做归一化映射，进一步造成色彩偏移。另外你的代码里变量i没有定义，直接运行会报错。

如果没有自定义网格坐标的特殊需求，直接用plt.imshow()绘制RGB图像是最简便的方案，不需要手动处理通道、坐标系适配问题：

import matplotlib.pyplot as plt
from tensorflow.keras.datasets import cifar10

(x_train, y_train), (x_test, y_test) = cifar10.load_data()
i = 0 # 定义要显示的测试集样本索引
x = x_test[i]

plt.figure(figsize=(3,3))
plt.imshow(x)
plt.axis('off')
plt.show()

如果你必须使用pcolormesh绘制（比如需要绑定非均匀网格、叠加地理坐标等场景），不要拆分通道分三次调用，通过facecolors参数一次性传入RGB颜色值即可，参考代码如下：

import matplotlib.pyplot as plt
import numpy as np
from tensorflow.keras.datasets import cifar10

(x_train, y_train), (x_test, y_test) = cifar10.load_data()
i = 0
x = x_test[i]
h, w = x.shape[:2]

plt.figure(figsize=(3,3))
# 32*32像素需要对应33*33的网格节点
x_grid = np.arange(w+1)
y_grid = np.arange(h+1)
plt.pcolormesh(
    x_grid,
    y_grid,
    np.zeros((h, w)), # 数值数组占位，实际显示颜色由facecolors控制
    facecolors=x/255, # RGB值转成0-1范围的浮点格式
    shading='flat'
)
# 翻转Y轴，匹配图像左上角原点的显示规则
plt.gca().invert_yaxis()
plt.axis('off')
plt.show()

注意事项 #

• 传入facecolors的RGB值必须是0-1区间的浮点值，超出范围会被截断造成色彩异常。
• 不要拆分通道重复调用pcolormesh，三通道颜色需要一次性传入。
• 只要是绘制常规位图，优先选择imshow接口，pcolormesh本身是为二维数值场可视化设计的，不是专门的RGB图像绘图接口。

内容的提问来源于stack exchange，提问作者박사원