scipy imsave 保存错误的值

我正在尝试编写使用 numpy 和 scipy 生成视差图的代码，但是我在图像的 numpy 数组中存储的值与输出图像中实际显示的值完全不同，并使用杂项保存。我保存。例如，在数组中，没有一个值大于 22，但在图像中，我有从 0 到 255 的完整范围的值。我认为也许 imsave 正在拉伸这些值，以便最大值显示为图像中的值是 255，但我使用 imsave 创建的其他图像的最大值低于 255。

这些是我用来创建视差图的函数，给定两个沿 x 轴移动的 pgm 图像：

def disp(i, j, winSize, leftIm, rightIm): #calculate disparity for a given point
    width = leftIm.shape[1]
    height = leftIm.shape[0]
    w = winSize / 2
    minSAD = 9223372036854775807 #max int
    for d in range(23):
        SAD = 0.0 #SAD
        k = i - w
        v = i + w
        m = j - w
        n = j + w
        for p in range(k, v+1): #window - x
            for q in range(m, n+1): #window y
                if(p - d > 0 and p < width and q < height):
                    SAD += abs((int(leftIm[q][p]) - int(rightIm[q][p - d])))
        if(SAD < minSAD):
            minSAD = SAD
            disp = d
    #       print "%d, %d" % (i, j)
    return (disp, SAD)

def dispMap(winSize, leftIm, rightIm):
    width = leftIm.shape[1]
    height = leftIm.shape[0]
    outIm = np.zeros((height, width)) 
    SADstore = np.zeros((height, width))
    w = winSize / 2
    for i in range(w, width-w):
        for j in range(w, height/3-w):
            dispout =  disp(i, j, winSize, leftIm, rightIm)
            outIm[j][i] = 1 * dispout[0] #should normally multiply by 4
            SADstore[j][i] = dispout[1]
    return (outIm, SADstore)

忽略 SAD/SAD 存储返回值，我已确保这些不会影响我当前的进程。

这是我用来获取输出的代码：

disp12 = dispMap(9, view1, view2)
disp12im = disp12[0]
misc.imsave('disp121.pgm', disp12im)

目前， disp12im 中的任何内容都不应该 > 23。如果我运行 for 循环来检查数组上的这一点，这仍然是正确的。但是，如果我加载保存的图像并对值运行相同的 for 循环，我会得到大量超过 23 的数字。我做错了什么？

当dtype数组的改变自np.float64（数据类型disp12im）到图像中存储的 8 位值。

为了避免这种情况，请将图像转换为数据类型np.uint8在把它交给之前imsave:

misc.imsave('disp121.pgm', disp12im.astype(np.uint8))

例如，我会保存这个x作为 PGM 图像：

In [13]: x
Out[13]: 
array([[  1.,   3.,   5.],
       [ 21.,  23.,  25.]])

In [14]: x.dtype
Out[14]: dtype('float64')

Save x不变，然后读回来：

In [15]: imsave('foo.pgm', x)

In [16]: imread('foo.pgm')
Out[16]: 
array([[  0,  21,  42],
       [212, 234, 255]], dtype=uint8)

这些值已扩展到完整的 8 位范围。

相反，转换x to np.uint8保存之前，然后读回：

In [17]: imsave('foo.pgm', x.astype(np.uint8))

In [18]: imread('foo.pgm')
Out[18]: 
array([[ 1,  3,  5],
       [21, 23, 25]], dtype=uint8)