Python下如何将像素值约束到[0,1]范围 修复Jupyter灰度图显示异常

核心问题根源 #

• 遍历赋值逻辑错误：for img in test遍历得到的img是临时变量，对其直接赋值不会修改test列表中存储的原始图像数据，归一化操作实际未生效。
• 渲染色阶配置错误：matplotlib的imshow接口渲染单通道数组时，默认使用viridis色阶（紫黄配色），未手动指定灰度色阶时，即使像素值归一化正确也会出现配色异常。

修复步骤 #

1. 修正归一化逻辑，直接修改原列表内的图像数据，也可选择更适配图像场景的手动归一化方案，无需引入sklearn依赖。
2. 调用图像展示接口时明确指定灰度色阶参数。

代码示例 #

归一化逻辑修复 #

# 方案A：保留MinMaxScaler的修复版
from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler(feature_range=(0, 1), copy=False)
# 用索引遍历修改原列表元素
for i in range(len(test)):
    test[i] = scaler.fit_transform(test[i])

# 方案B：手动归一化（更轻量，适配已知0-4095像素范围的场景）
for i in range(len(test)):
    # 固定范围直接缩放，无需逐图计算极值
    test[i] = test[i] / 4095

图像展示逻辑修复 #

import matplotlib.pyplot as plt

plt.imshow(test[0], cmap='gray')
plt.axis('off')
plt.show()

可选优化 #

如果需要输出通用8位灰度图像，可直接缩放至0-255值域并转换数据类型：

test[i] = (test[i] / 4095 * 255).astype('uint8')

内容的提问来源于stack exchange，提问作者Frepp