图像转换为float32类型后显示仅存轮廓，PyTorch Dataloader同格式正常，该如何排查？

matplotlib.pyplot.imshow对不同数据类型的输入有不同的默认像素取值范围要求：

• 输入为uint8类型时，默认匹配图像原始的0~255像素范围，显示正常
• 输入为float32/float64类型时，默认要求像素值落在0_{1区间，超过1的数值会被截断为1（对应纯白色）。你的代码仅做了数据类型转换，没有调整像素取值范围，转换后的float32数据仍然保留0}255的数值，绝大多数像素值超过1，因此显示为大面积白色，仅保留原图像中灰度极深的轮廓
• PyTorch官方DataLoader通常搭配ToTensor()变换使用，该接口会自动将uint8类型的0_{255像素值除以255，归一化到0}1区间的float32格式，符合imshow对浮点输入的取值要求，因此可以正常显示

你可以任选以下任意一种方式解决显示异常问题：

• 转换数据类型时同步做归一化处理

from PIL import Image
import numpy as np
from matplotlib import pyplot as plt

img = Image.open(imgpath)
# 转float32的同时除以255，将像素值归一化到0~1区间
matrix = np.array(img, dtype="float32") / 255.0
plt.figure(figsize=(40, 40))
plt.imshow(matrix)

• 显示时手动指定float类型数据的取值范围

from PIL import Image
import numpy as np
from matplotlib import pyplot as plt

img = Image.open(imgpath)
matrix = np.array(img, dtype="float32")
plt.figure(figsize=(40, 40))
# 通过vmin、vmax参数指定像素取值范围为0~255
plt.imshow(matrix, vmin=0, vmax=255)

内容的提问来源于stack exchange，提问作者Игорь Платонов