Matplotlib imshow默认归一化与自定义实现的差异疑问

其实这个问题和colormap完全无关，核心是你误解了imshow()对不同类型输入的处理逻辑！

先给你拆解清楚关键规则：

• 当输入是3通道（RGB）或4通道（RGBA）的数组时，imshow()根本不会触发norm参数的归一化逻辑！它会直接把数组值当成色彩值解析：
  • 若数组是float类型，要求数值必须在[0, 1]区间，超出部分会被直接截断（小于0设为0，大于1设为1）；
  • 若为uint8类型，则要求数值在[0, 255]区间。
• 只有输入是单通道灰度数组时，imshow()才会启用norm参数的规则（默认线性归一化），把数据从[x_min, x_max]映射到[0, 1]，再通过colormap转换成色彩。

回到你的代码场景：

• 左侧ax1.imshow(A)：A是float型RGB数组，里面包含负值和大于1的数，这些值都被直接截断了，所以显示的是截断后的色彩；
• 右侧ax2.imshow(B)：B是你手动归一化到[0, 1]的RGB数组，所有值都在合法范围内，呈现的是完整原始色彩；
• 这时候两张图都没用到colormap——因为RGB输入会直接显示色彩，colormap只对单通道数据生效。

验证这个逻辑 #

你可以把A改成单通道数组试试，代码如下：

import numpy as np
import matplotlib.pyplot as plt
A = np.random.normal(size=(4,5)) # 单通道灰度数组
print(np.min(A), np.max(A))
B = (A - np.min(A))/np.ptp(A)
figure = plt.figure()
ax1 = figure.add_subplot(121)
ax1.imshow(A)
ax2 = figure.add_subplot(122)
ax2.imshow(B)
plt.show()

这时候两张图会完全一致，因为单通道数据触发了norm的默认归一化，和你手动实现的逻辑完全匹配。

如何确认当前使用的colormap？ #

如果是单通道图像：

• 默认colormap是viridis，你可以通过ax.get_cmap()查看当前axes使用的colormap，或用plt.get_cmap()获取全局默认值；
• 若要指定colormap，直接在imshow()中加cmap参数即可，比如imshow(A, cmap='gray')。

而RGB/RGBA图像的显示和colormap无关，不需要考虑这个参数。

内容的提问来源于stack exchange，提问作者n.gaurav