numpy float64形式的rgb图片没有损失的转换为PIL图片

将浮点数类型的数组转换为整数类型时，由于类型转换的原因，可能会出现像素值差距超大的情况。这是因为将浮点数类型的像素值转换为整数类型时，会进行舍入操作。如果原始像素值小于0或大于255，则可能会出现截断或溢出现象，导致像素值的差距超大。

为了解决这个问题，可以先将浮点数类型的像素值归一化到0到255的范围内，然后再进行类型转换。具体做法是将像素值乘以255并四舍五入，然后将结果转换为整数类型。

以下是一个示例代码，将float64类型的数组转换为uint8类型，并归一化到0到255的范围内：

import cv2
import numpy as np

# 读取图像并转换为RGB格式的NumPy数组
img = cv2.imread("example.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 将像素值归一化到0到255的范围内
img_norm = np.round(img / np.max(img) * 255)

# 将float64类型的数组转换为uint8类型
img_uint8 = img_norm.astype(np.uint8)

# 打印数组的形状和数据类型
print("Shape:", img_uint8.shape)
print("Data type:", img_uint8.dtype)

在上述代码中，我们首先使用cv2.imread()和cv2.cvtColor()函数将图像读入并转换为RGB格式的NumPy数组。然后，我们将像素值归一化到0到255的范围内，然后使用astype()方法将数组的数据类型转换为uint8类型。最后，我们使用shape和dtype属性分别打印数组的形状和数据类型。

这样处理后，应该可以得到像素值差距不大的图像数组了。