如何取消scipy.misc.imsave函数的归一化处理

我完全懂你的困扰：好不容易把灰度图像的强度精准转到120-180区间，直方图验证也没问题，结果用scipy.misc.imsave保存后，之前的调整全被自动归一化打乱了。其实这个问题的核心是scipy.misc.imsave对不同数据类型的输入有默认的处理逻辑，而且这个函数已经被官方弃用了，咱们换更可靠的方法来解决。

为什么会自动归一化？ #

scipy.misc.imsave针对float类型的数组，默认会把数组的最小值映射到0，最大值映射到255。也就是说，哪怕你的数组数值是120-180（float类型），它也会把120当成"最小值"转成0，180当成"最大值"转成255，直接破坏了你想要的强度范围。

解决方案：确保数据类型正确，换用更可控的保存函数 #

这里有几个实用的方法，按推荐程度排序：

1. 转换为uint8类型后用PIL保存（最可靠）

PIL的Image.save会严格按照uint8数组的数值保存，不会自作主张归一化。步骤如下：

import numpy as np
from PIL import Image

# 假设img_scaled是你转换后的数组，数值范围120-180
# 先把数组转换为uint8类型（灰度图像的标准存储格式是0-255的uint8）
img_uint8 = img_scaled.astype(np.uint8)

# 用PIL保存
img = Image.fromarray(img_uint8)
img.save('output_scaled.png')

2. 用matplotlib的imsave指定参数

如果你习惯用matplotlib，也可以直接指定vmin和vmax来强制保留你的强度范围，或者转换为uint8后保存：

import matplotlib.pyplot as plt
import numpy as np

# 方法A：直接对float数组指定范围
plt.imsave('output_scaled.png', img_scaled, cmap='gray', vmin=120, vmax=180)

# 方法B：转成uint8后保存（更稳妥）
img_uint8 = img_scaled.astype(np.uint8)
plt.imsave('output_scaled.png', img_uint8, cmap='gray')

3. （不推荐）如果坚持用scipy.misc.imsave

先把数组转成uint8类型，这样它就不会触发归一化逻辑：

import numpy as np
from scipy.misc import imsave

# 转换为uint8
img_uint8 = img_scaled.astype(np.uint8)
imsave('output_scaled.png', img_uint8)

⚠️ 注意：scipy.misc.imsave已经被官方标记为弃用，未来版本会移除，尽量不用它。

验证保存结果 #

保存后可以用PIL读取再检查数值范围：

from PIL import Image
import numpy as np

saved_img = np.array(Image.open('output_scaled.png'))
print(f"保存后的像素值范围：{saved_img.min()} - {saved_img.max()}")

应该会输出120 - 180，说明保存正确。

内容的提问来源于stack exchange，提问作者Alan Ricardo