opencv错误显示PyTorch处理后的图像 uint8显示tensor

• 大坑，我在显示的时候，一个三通道图像显示出来就和二值化一样…

首先给出我有问题的处理过程：

        rgb_img = cv2.imread(self.rgb_ids[index])
        rgb_img = torch.from_numpy(rgb_img).permute(2, 0, 1).float()
		．．．
		

        s = rgb_img[0].permute(1, 2, 0).numpy()
        cv2.imshow("tmd", s)
        cv2.waitKey(25)

• 问题还是在于opencv的显示函数！

这里先把它支持的类型放上，我想大家就差不多知道原因了．

    .   -   If the image is 8-bit unsigned, it is displayed as is.
    .   -   If the image is 16-bit unsigned or 32-bit integer, the pixels are divided by 256. That is, the
    .       value range [0,255\*256] is mapped to [0,255].
    .   -   If the image is 32-bit or 64-bit floating-point, the pixel values are multiplied by 255. That is, the
    .       value range [0,1] is mapped to [0,255].
    .   

我来斗胆解释一下，我们输入的时候，为了网络训练的需要给他转换成了float，但是显示的时候就不吃这一套了，此时输入对应第三条：32-bit or 64-bit floating-point
这些浮点数会x255，也就是说［０－１］映射成［０－２５５］.私以为这种说还是不够严谨，如果我的输入大于１呢（大部分情况是这样的）？这时候也没办法看到处理之后到底变成了多少…

解决办法：
在显示之前，用numpy转换成"uint8"格式即可
一行代码来表示：

a = np.array(a, dtype='uint8')

其中,ａ是输入的tensor

$$//codingtime$$

$$Appendix$$
给出一个完整的最小示例代码

import cv2
import torch
import numpy as np


a = cv2.imread("img_set/bg.jpg")

a = cv2.resize(a, (640, 430))

print("befor type: ", type(a[0][0][0]))

cv2.imshow("befor", a)


a = torch.from_numpy(a).float()
# a = a.numpy()  # 用这个就可以看到错误显示结果　白不垃圾的...大坑

a = np.array(a, dtype='uint8')

print("after type: ", type(a[0][0][0]))

# cv2.rectangle(a, (0, 0), (100, 100), (0, 0, 200), 1)
cv2.imshow("after", a)
# print("max: ", a.mean())  #
cv2.waitKey(0)

# 2020.07.10

参考与致谢：

[记录]Python中改变数组类型为uint8