from skimage.segmentation import slic, mark_boundaries import torchvision.transforms as transforms import numpy as np from PIL import Image import matplotlib.pyplot as plt # 加载图像 image = Image.open('img.png') # 转换为 PyTorch 张量 transform = transforms.ToTensor() img_tensor = transform(image).unsqueeze(0) # 将 PyTorch 张量转换为 Numpy 数组 img_np = img_tensor.numpy().transpose(0, 2, 3, 1)[0] # 使用 SLIC 算法生成超像素标记图 segments = slic(img_np, n_segments=100, compactness=10) # 可视化超像素标记图 segment_img = mark_boundaries(img_np, segments) # 将 Numpy 数组转换为 PIL 图像 segment_img = Image.fromarray((segment_img * 255).astype(np.uint8)) # 保存超像素标记图 segment_img.save('segments.jpg') n_segments = np.max(segments) + 1 # 初始化超像素块的区域 segment_regions = np.zeros((n_segments, img_np.shape[0], img_np.shape[1])) # 遍历每个超像素块 for i in range(n_segments): # 获取当前超像素块的掩码 mask = (segments == i) # 将当前超像素块的掩码赋值给超像素块的区域 segment_regions[i][mask] = 1 # 保存超像素块的区域 np.save('segment_regions.npy', segment_regions) # 加载超像素块的区域 segment_regions = np.load('segment_regions.npy') # 取出第一个超像素块的区域 segment_region = segment_regions[0] # 显示超像素块的区域 plt.imshow(segment_region, cmap='gray') plt.show()，上述代码显示超像素块区域时显示的图像为全黑，怎么回事

出现这种情况可能是因为超像素块的区域被归一化为了0-1之间的浮点数。在可视化时，需要将其还原为0-255之间的整数。

可以尝试修改以下代码，将 `segment_region` 进行缩放，将其值映射到0-255之间：

# 缩放超像素块的区域，将其值映射到0-255之间
segment_region = (segment_region * 255).astype(np.uint8)

# 显示超像素块的区域
plt.imshow(segment_region, cmap='gray')
plt.show()

这样就可以正常显示超像素块的区域了。