解决问题：使用cv2.imshow/plt.imshow显示图片正常，但保存下来的图片不正常或者全黑
今天遇到了一个Bug，花了很大的时间精力解决，在这里记录一下。
Bug如题目所说，在对一张渲染出来的图片保存时，发现存成了全黑的图，尝试过将数据归一化/改变数据类型等等方式均失败，然而尝试了用 opencv 或者 matplotlib.pyplot 的 imshow 显示出来的图确是正常的，如下所示：
使用 matplotlib.pyplot 显示正常
plt.imshow(rendering)
plt.show()
plt.axis('off')
使用cv2.imshow显示正常
rendering_img1 = cv2.cvtColor(rendering_img1, cv2.COLOR_RGB2BGR)
cv2.imshow("rendering_img1", rendering_img1)
cv2.waitKey()
cv2.destroyAllWindows()
然而，当保存时，无论用OpenCV还是PIL保存，存下来的图片均为纯黑的图，如下所示。
CSDN上对于保存纯黑的图，已经有了解决方案，大致都是以下说法
也就是imshow时的图片范围为[0,1],但保存时图片必须是[0,255]的范围，直接*个255即可。
以上答案是对的，但是，对于我的这个问题不适用，因为我发现，我的图片的范围即不是[0,1]也不是[0,255]，而是[0,6.05]、[0,16.77]等范围，且数据类型为float32。
于是，自然而然地想到，将图片像素值缩放到[0,255]这个范围，调用以下函数：
rendering_img1 = cv2.normalize(rendering_img1, None, 0, 255, cv2.NORM_MINMAX, cv2.CV_32F)这个函数的原理很简单，就是根据最大最小像素点的值和当前像素点的值，按比例进行缩放，像素值最大的点变成255，最小的点变成0：
然后，这样保存得到的结果虽然不是全黑的，但也和直接imshow显示出来的结果不一样，如下所示：
上述方法失败了，于是又自然而然地想到，既然imshow可以正常显示，那么在imshow显示的过程当中，自然也对输入数据进行了一定的处理，于是去查函数相关的官方文档。果不其然，有了重大发现。
我们重点关注这行，Out-of-range RGB(A) values are clipped.也就是说，超出范围的RGB值将会被裁掉，注意，这里不是缩放，而是直接将超出范围的值变成最大值。也就是说，输入的数据位float32的话，对应[0,1]的范围，超过1的值全都会变成1.
模拟这个plt.imshow函数的处理方法，可以进行以下等价操作：
rendering_img1[rendering_img1>1.]=1. #即将大于1.0的数全都变成1
rendering_img1 = rendering_img1*255. #[0,1]->[0,255]
#注意，最后可能还需要进行np.uint8(rendering_img1)的操作将图片从float32变成unit8整型经过这一步操作之后，再保存的图即imshow函数显示的图。
分析：
根据以上实验，我们还可以找到此前尝试用：
rendering_img1 = cv2.normalize(rendering_img1, None, 0, 255, cv2.NORM_MINMAX, cv2.CV_32F)函数直接缩放，导致保存的图片虽然不是全黑，但也不正确的原因。
就是因为数据中出现了一些超过1.0的值，导致最大值可能很大（原本最大值应该为1），而根据这个缩放公式，导致其他正常值缩放后的值偏小，所以造成了结果虽然不是全黑，但也不正确的现象。
例如，如果正常来说，如果数据范围为[0,1],最大值缩放到255，最小值缩放到0，那么值为0.5的数据就缩放到了255/2=127的大小，而如果数据最大值不再是1，而变成了10，此时0.5的数据就变成了12，相距甚远。而我们知道，纯黑的像素的RGB为[0,0,0],因此，所有像素的值偏小的话，也就导致了虽然图片不是全黑，但也是黑漆漆一片。