为何使用同一张PyTorch张量时，PIL与plt.imshow显示的图像存在差异？

嗨，我来帮你捋捋为啥同一张张量转成图像后，PIL和plt.imshow显示出来不一样～

其实核心问题出在数值范围和数据类型的兼容性上，咱们一点点说：

1. 两者对输入数据的要求不一样 #

• plt.imshow特别“贴心”，不管你给的是0-1的浮点数数组，还是0-255的整数数组，它都会自动调整显示范围，把数据映射到适合人眼观看的灰度区间，所以你能看到正常的图像。
• 但PIL的"L"灰度模式就很“较真”：它要求输入必须是0-255之间的uint8类型整数。如果你的PyTorch张量是经过归一化的（比如常见的0-1浮点数范围），直接转成numpy数组丢给PIL的话，大部分小于1的浮点数会被直接截断成0，显示出来自然就偏暗甚至全黑，和plt的效果天差地别。

2. 你的代码里缺了关键的转换步骤 #

看你写的代码，直接把张量转成的numpy数组传给了PIL，没做数值缩放和类型转换。咱们来改改这个函数，就能让两者显示一致了：

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

def tensor_to_pil(image_tensor):
    # 提取单通道的numpy数组（先移到CPU，压缩维度）
    img_np = image_tensor[0].cpu().squeeze().numpy()
    
    # plt显示部分（保持你的原逻辑就行）
    plt.figure()
    plt.imshow(img_np, cmap='gray')
    plt.title("plt.imshow 显示效果")
    
    # 处理PIL图像的关键步骤：
    # 第一步：把数值范围转成0-255
    # 如果你的张量是0-1范围的浮点数，直接乘255；如果是-1到1的范围，先转成0-1再乘
    # 这里先假设是0-1的情况
    img_np_scaled = (img_np * 255).astype(np.uint8)
    
    # 第二步：用处理好的uint8数组创建PIL图像
    pil_image = Image.fromarray(img_np_scaled, "L")
    
    # 显示PIL图像
    pil_image.show(title="PIL 显示效果")
    return pil_image

额外说明 #

如果你的张量是用torchvision.transforms.Normalize做过归一化（比如范围是-1到1），那在缩放前还要先把数值转成0-1：

# 先把-1到1的范围转成0-1
img_np = (img_np + 1) / 2
# 再缩放转成uint8
img_np_scaled = (img_np * 255).astype(np.uint8)

这样修改后，PIL和plt显示的图像就会一致啦～

备注：内容来源于stack exchange，提问作者Hjin