numpy数组存储RGB图像后plt.imshow显示颜色异常问题

这个问题我之前也踩过坑，核心原因其实是numpy数组的数据类型不匹配，导致matplotlib的颜色显示逻辑出了问题，具体拆解一下：

为什么颜色会混乱？ #

你的img是RGB图像格式的ndarray，这类图像数组默认的 dtype 是uint8（存储0-255的整数，对应颜色的亮度值）。但你用np.empty((64, 64, 3, 2))创建batch时，numpy默认会生成float64类型的数组（浮点数）。

当你把uint8类型的img赋值给float64类型的batch[...,0]后，数组里的数值虽然还是0-255，但数据类型变成了浮点数。而matplotlib的imshow()函数对不同类型的数组有不同的处理规则：

• 对uint8类型：默认把0-255作为正常颜色范围，直接映射显示；
• 对浮点数类型：默认认为数值范围是0.0-1.0，所有超过1的数值都会被截断为1，这就导致原本255的颜色值被当成了最大值1，颜色映射完全错乱，看起来像是通道反转或者颜色失真。

解决办法 #

这里有几个可行的方案，按推荐程度排序：

1. 创建batch时指定与img一致的dtype #

这是最根本的解决方式，直接让batch的类型和img匹配：

batch = np.empty((64, 64, 3, 2), dtype=img.dtype)

赋值后batch[...,0]的类型和img完全相同，matplotlib就能正确识别颜色范围，显示自然恢复正常。

2. 显示时手动指定颜色范围 #

如果已经创建了batch不想重新生成，可以在显示时强制指定颜色的取值范围：

plt.imshow(batch[...,0], vmin=0, vmax=255)

这样matplotlib会按照0-255的范围映射颜色，也能解决显示问题。

3. 用np.zeros替代np.empty创建初始数组 #

np.empty()会保留内存里的随机垃圾值，虽然这次不是主要问题，但用np.zeros()创建初始数组更安全，同样记得指定dtype：

batch = np.zeros((64, 64, 3, 2), dtype=img.dtype)

内容的提问来源于stack exchange，提问作者Nic