如何将深度学习的float32图像转为Unit8格式以方便cv2使用

在使用Pyside2中的 QImage处理深度学习模型生成的图片时，需要将float32的图像转为Unit8格式，再使用cv2处理。
一开始使用网上的其他教程，如下：

		 # 模型生成
		G_recon = G(self.content, True)
		# 将(1，3，256，256)尺寸的转为(256,256,3)
        G_recon = ((G_recon[0].cpu().detach().numpy().transpose(1, 2, 0) + 1) / 2)  
        G_recon = (G_recon) * 255.0  # 将图像数据扩展到[0,255]
        G_recon = np.array(G_recon, dtype='uint8')  # 改为Unit8
        G_recon = cv2.cvtColor(G_recon, cv2.COLOR_BGR2RGB)
        cv2.imwrite('ppp.png', G_recon) # 用cv2保存图像

但是在Lable上展示的的图像跟预期不一样，如下图：

但是将上面代码中的
G_recon = cv2.cvtColor(G_recon, cv2.COLOR_BGR2RGB)
改为

G_recon = cv2.cvtColor(G_recon, cv2.COLOR_RGBA2RGB)

就能正常显示：

RGBA格式：
rgba() 函数使用红®、绿(G)、蓝(B)、透明度(A)的叠加来生成各式各样的颜色。

RGBA 即红色、绿色、蓝色、透明度（英语：Red, Green, Blue、Alpha）。

红色（R）0 到 255 间的整数，代表颜色中的红色成分。。
绿色（G）0 到 255 间的整数，代表颜色中的绿色成分。
蓝色（B）0 到 255 间的整数，代表颜色中的蓝色成分。
透明度（A）取值 0~1 之间， 代表透明度。