Python 为什么图像块在提取时变得像素化，但在连接时变得正常？

我正在将一张200x200的图像分割为16张50x50的图像，但其中两张图像是像素化的，颜色不正确

img = cv2.imread('nothingZ.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
windowsize_r = 50
windowsize_c = 50
window = []                                                      
for r in range(0,gray.shape[0], windowsize_r):
 for c in range(0,gray.shape[0], windowsize_c):
  window.append(gray[r:r+windowsize_r,c:c+windowsize_c])
for i, el in enumerate(window):
 array2 = np.moveaxis(window[i], 0, 0)    
 plt.subplot(4, 4, i + 1)
 plt.imshow(array2, 'gray')     
plt.show()
vis2 = np.concatenate((window[4], window[5], window[6]), axis=1)
plt.imshow(vis2,'gray')

---

发生的情况是，您的图像在打印时自动标准化。这就是为什么在某些区域（颜色大致一致）的值会延伸到每个极端，突出显示jpeg压缩的像素。但是当连接时，它有来自边框的深色，所以颜色不会被吹出

为清晰起见，这意味着块不是像素化的，它们只是以这种方式显示在

matplotlib

中

要使所有图像正常化，请使用

plt.imshow（）

中的

vmin

和

vmax

参数。从：

vmin，vmax：标量，可选 当使用标量数据且无显式范数时，vmin和vmax定义colormap覆盖的数据范围默认情况下，颜色映射覆盖所提供数据的完整值范围。vmin，vmax如果使用norm参数将被忽略

我增加了重点

换句话说，图像的最低值设置为黑色，最高值设置为白色。如果您的图像只有值123、125、127、129、131，这意味着它们（有效地）被映射到亮度值0、51、102、153、204、255（或其附近）。所以颜色相近的东西会被吹成完全不同的颜色。通常情况下，jpeg压缩伪影不太明显，因为颜色相似，但当拉伸它时，它非常明显

若要使用参数并修复打印问题，请替换

plt.imshow(array2, 'gray')

与

---

原著。分割图像。连接的imageHi，欢迎使用SO。请不要在评论中提供其他信息，而是用一个新的标题更新问题。阅读了解更多信息。

moveaxis

调用有什么用？为什么不在窗口中显示el:imshow（el，‘灰色’）？

plt.imshow(array2, 'gray', vmin=0, vmax=255)