Python 使用Matplotlib.Pyplot显示非规范化图像会导致多色像素马赛克：为什么？ 上下文

我编写了一个程序，它接收由我的另一个程序规范化的图像输入

输入图像为：

程序输出图像的标准化版本。下面将进一步显示规范化方法

问题 输出错误地包含像素的多色马赛克。给定上述输入，输出为（缩放）：

预期结果应为上述平面

最小和可执行源

在您选择的目录路径中，将输入图像放在您选择的名为的目录中

在同一个目录路径中，创建另一个名为不同的目录。它将包含由程序创建的输出图像

复制并粘贴以下代码，将包含目录路径的两个常量替换为自定义的两个目录路径

执行代码

看看输出图像：您应该看到与我在这个问题中显示的输出图像相同的输出图像 在以下代码中：

• 您可以看到反规范化方法
• 用于测试的方法

  \u绘图\u图像\u预测\u

  使用Matplotlib.Pyplot创建一个窗口，其中包含来自RAM输入图像的输出图像
• 由于

  \uu fetch\u归一化图像

  和

  \uuuu load\u XYZ

  将输入图像从磁盘加载到RAM，因此可以获取输入图像

将numpy导入为np
从numpy导入数组
将matplotlib.pyplot作为plt导入
导入操作系统
从浏览导入数据
类启动器：
__包含\u规范化\u映像=“/content/drive/My drive/Informatique/Projets\u Informatiques”的路径\
“/Projets\u Python/bug\u隔离\u拼图\u像素/normalized\u图像”
__路径\包含\非规范化\图像=“/content/drive/My drive/Informatique/Projets\ u Informatiques”\
“/Projets\u Python/bug\u隔离\u拼图\u像素”\
“/非规范化的_图像”
定义初始化（自）：
通过
def从标准化图像（自身）显示非标准化图像：
self.\uuuu绘图\u图像\u预测\u用于测试（）
def uu绘图u图像u预测u测试（自）：
规范化的\u图像=自。\u获取\u规范化的\u图像（）
标准化的_图像=标准化的_图像[[0,0,0]]
非规范化\u图像=自身。\u非规范化（规范化\u图像）
图=plt.图（figsize=（15,5））
plt.子地块（1,3,1）
plt.imshow（非规范化的_图像[1]，插值='nearest'）
打印轴（“关闭”）
plt.紧_布局（）
plt.savefig（包含非规范化图像+'/非规范化图像'）的自路径
plt.关闭（图）
@静力学方法
定义非规范化（输入数据）：
输入数据=（输入数据+1）*127.5
返回输入数据类型（np.uint8）
def uu获取u标准化u图像（自）：
打印（“加载规范化图像”）
图像=[]
加载的图像=自。\加载数据(
启动器。包含规范化图像的路径，
“.jpg”）
对于范围内的img（透镜（加载的图像））：
append（加载的图片[img]）
图像=数组（图像）
打印（“/加载规范化图像”）
返回图像
@静力学方法
定义从目录（目录，分机）加载数据：
文件=[]
文件名=[]
计数=0
对于目录中的d：
对于os.listdir（d）中的f：
如果f.endswith（ext）：
image=data.imread（os.path.join（d，f））
如果len（图像形状）>2：
文件。追加（图像）
文件名.append（os.path.join（d，f））
计数=计数+1
返回文件
定义加载路径（自身，路径）：
目录=[]
如果os.path.isdir（路径）：
目录。追加（路径）
对于os.listdir（路径）中的元素：
如果os.path.isdir（os.path.join（path，elem））：
目录=目录+self.\u加载\u路径（os.path.join（path，elem））
目录.append（os.path.join（path，elem））
返回目录
定义加载数据（自身、目录、外部）：
files=self.\u从目录（self.\u加载路径（目录），ext）加载数据
返回文件
打印（“执行程序”）
启动器=启动器（）
launcher.show_非规范化的_图像来自_规范化的_图像（）
打印（“/执行程序”）

问题

---

你知道为什么我用这种非规范化方法得到了一个多色像素马赛克吗？

读了所有这些，似乎它与keras/tensorflow/deep learning无关？我想，这个问题也可以在一段代码中表现出来？我是一名计算机视觉工程师，我在这里回答了大量与简历相关的问题。我确实完整地阅读了这篇文章。我知道你的问题与机器学习无关。我的观点是，你的文章的整个上下文部分与你的问题完全无关。从字面上说，你的文章中每一件不是从“图像读取->图像处理->图像显示”开始的事情都是不相关的。下载图像与此无关。显示一个示例图像，显示处理该图像的函数，并显示您获得的输出与预期的输出。@JarsOfJam Scheduler您不必编写新问题，您可以编辑此问题。若您进行编辑，它将弹出到队列中，供人们查看。如果您编辑了它，但没有足够的人看到它，您可以在Python聊天室（sopython.com）中发布，并要求进行一些重新开放投票。在我看来，最好的提问方式是“假装你在和一位忙碌的同事交谈。”FWIW，这并不是因为我或其他人不欣赏你花这么多时间提出问题，这就是为什么我们试图通过评论给出补救措施。我们希望问题在这里有所帮助：）。这是一个降价的事情-