PIL.Image.fromarray() 要求数组 shape 为 (h,w)、(h,w,3) 或 (h,w,4)，dtype 为 uint8；float 数组需先缩放并转 uint8，CHW 格式需转 HWC，否则报错或图像异常。
用 PIL.Image.fromarray() 转 NumPy 数组为图像对象
NumPy 数组转图像的核心就是 PIL.Image.fromarray()，它能直接把形状为 (h, w)、(h, w, 3) 或 (h, w, 4) 的数组变成可操作的 Image 对象。但前提是数组 dtype 和值域得“对味”：
-
uint8是最稳妥的选择；若数组是float64或值在[0, 1]区间，直接传进去会生成全黑或异常色块——PIL 默认按uint8解释，0.5会被截断成0 - 灰度图要确保是 2D（
(h, w)）且 dtype 为uint8；RGB 图必须是 3D 且最后一维长度为 3，顺序是 HWC（不是 CHW） - 如果数组是
float32且范围是[0.0, 1.0]，先做(arr * 255).astype(np.uint8)；如果是[-1.0, 1.0]，得先线性映射：((arr + 1) * 127.5).astype(np.uint8)
保存前务必检查数组 shape 和 dtype
常见报错 TypeError: Cannot handle this data type 或保存出来是纯色/噪点图，90% 出在 shape/dtype 不匹配。尤其注意以下几点：
- 模型输出的 tensor 或 array 常是 CHW 格式（如
(3, h, w)），PIL 要 HWC，得先np.transpose(arr, (1, 2, 0)) - 单通道 float 数组（如
(h, w)+float32）不能直接给fromarray()；要么转uint8，要么显式指定 mode：fromarray(arr, mode='F')（但后续 save 不支持'F'，还得转回uint8） - 用
print(arr.shape, arr.dtype, arr.min(), arr.max())快速验证，比猜快得多
保存时选对格式和参数避免失真
Image.save() 看似简单，但 JPEG 会压缩、PNG 默认不带 alpha、TIFF 支持 float —— 格式选错会导致精度丢失或通道被丢弃：
- JPEG 只支持
L（灰度）和RGB，且强制转uint8；保存 float 数组会静默截断，不报错但数据已毁 - PNG 支持
RGBA，但如果源数组是(h, w, 4)且第 4 通道是 float，得先转uint8，否则 alpha 通道可能全 0 或溢出 - 需要保留浮点精度（比如科研可视化中间结果），改用 TIFF：
img.save("out.tiff")，它原生支持float32，但注意大多数看图软件打不开
完整可跑的一行检查模板
调试时别写一堆临时变量，用这行快速验证能否走通：
立即学习“Python免费学习笔记（深入）”；
from PIL import Image; import numpy as np
arr = np.random.rand(100, 100, 3) # 示例数组
img = Image.fromarray((arr * 255).astype(np.uint8)) # 关键转换
img.save("test.png")只要这行不崩，说明路径、dtype、shape 都过关；崩了就顺着报错往回查 arr 的 shape、dtype、min/max。实际项目里，建议把转换逻辑封装成函数，加 assert 检查，而不是靠运气。
最容易被忽略的是：模型输出、cv2 读入、matplotlib 归一化后的数组，三者默认值域和 dtype 全不同，混着用必出问题。每次接新数据源，先 print 三连再动手。
