转换为 8 位图像会导致黑色出现白点。为什么是这样？
Converting to 8-bit image causes white spots where black was. Why is this?
Img 是 dtype=float64 numpy 数据类型。当我 运行 此代码时：
Img2 = np.array(Img, np.uint8)
我的图片背景变白了。我怎样才能避免这种情况并仍然获得 8 位图像？
编辑：
当然，我可以提供更多信息。单张图片由 400 张图片组成。它们均来自 .avi 视频文件，并且每个图像都被转换为 NumPy 数组，如下所示：
gray_img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
对整个堆栈执行更复杂的操作，但不涉及创建新图像。它只是对每个一维数组执行计算以产生单个像素。
插值很可能是线性的（使用 matplotlib 绘制图像时的默认设置。图像保存为 .PNG。
您可能会看到溢出。如果将 257 转换为 np.uint8，您将得到 1。根据 google 搜索，avi 文件包含颜色深度为 15 - 24 位的图像。当您将此深度投射到 np.uint8 时，您会看到白色区域变暗并且（如果在某处进行归一化）黑暗区域也变白（-5 -> 251）。对于变亮的区域，您可以检查原始图像中是否有负像素值Img。
Docs 说有时您必须进行一些缩放以获得正确的投射，并且尽可能使用更高的深度以避免伪影。
解决方案似乎要么在更高的深度下工作，即投射到 np.uint16 或 np.uint32，要么在减少深度之前缩放像素值，即已经 Img2作为一个 numpy 矩阵
# make sure that values are between 0 and 255, i.e. within 8bit range
Img2 *= 255/Img2.max()
# cast to 8bit
Img2 = np.array(Img, np.uint8)
Img 是 dtype=float64 numpy 数据类型。当我 运行 此代码时：
Img2 = np.array(Img, np.uint8)
我的图片背景变白了。我怎样才能避免这种情况并仍然获得 8 位图像？
编辑：
当然，我可以提供更多信息。单张图片由 400 张图片组成。它们均来自 .avi 视频文件，并且每个图像都被转换为 NumPy 数组，如下所示：
gray_img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
对整个堆栈执行更复杂的操作，但不涉及创建新图像。它只是对每个一维数组执行计算以产生单个像素。
插值很可能是线性的（使用 matplotlib 绘制图像时的默认设置。图像保存为 .PNG。
您可能会看到溢出。如果将 257 转换为 np.uint8，您将得到 1。根据 google 搜索，avi 文件包含颜色深度为 15 - 24 位的图像。当您将此深度投射到 np.uint8 时，您会看到白色区域变暗并且（如果在某处进行归一化）黑暗区域也变白（-5 -> 251）。对于变亮的区域，您可以检查原始图像中是否有负像素值Img。
Docs 说有时您必须进行一些缩放以获得正确的投射，并且尽可能使用更高的深度以避免伪影。
解决方案似乎要么在更高的深度下工作，即投射到 np.uint16 或 np.uint32，要么在减少深度之前缩放像素值，即已经 Img2作为一个 numpy 矩阵
# make sure that values are between 0 and 255, i.e. within 8bit range
Img2 *= 255/Img2.max()
# cast to 8bit
Img2 = np.array(Img, np.uint8)