ipython.display.image 是代码单元格中最快显示本地或网络图片的方式，路径需相对notebook目录，中文空格加引号；matplotlib.pyplot.imshow 适用于数组图像，注意bgr转rgb、cmap和数值范围；pil需配合display()，不可用show()；%%html和markdown不支持动态逻辑。
用 IPython.display.Image 最快显示本地或网络图片
这是代码单元格里最轻量、最可靠的方式，不依赖图像解码逻辑，也不强制渲染坐标轴。只要路径对、文件可读，就能立刻出图。
常见错误现象：FileNotFoundError 或执行后空白——本质是路径没解析对，不是库的问题。
-
filename参数必须是相对于当前 notebook 文件所在目录的路径（不是 Python 工作目录） - 中文路径或空格路径要加引号，但别用 raw string（
r"中文\图.jpg"在 Windows 下可能失效） - 网络图片用
url参数，不是filename；二者不能混用 - 如果图片在子目录，写成
filename="data/imgs/photo.png"，别漏掉引号
用 matplotlib.pyplot.imshow 显示数组型图像（OpenCV/PIL/NumPy 输出）
当你用 cv2.imread、PIL.Image.open 或自己生成图像数组时，必须走这条路。它本质是画图，不是“插入资源”，所以对数据格式敏感。
容易踩的坑：OpenCV 读图默认是 BGR，而 plt.imshow 按 RGB 渲染，直接显示会偏色（比如人脸发青）。
- OpenCV 图像必须先转 RGB：
plt.imshow(cv2.cvtColor(img_cv, cv2.COLOR_BGR2RGB)) - 灰度图加
cmap='gray'，否则显示为伪彩色 - 数组值范围必须是
[0, 255]（uint8）或[0, 1]（float），超出会导致全黑或全白 - 记得调
plt.axis('off')关坐标轴，否则干扰视觉
用 PIL.Image + display() 处理后再显示
适合需要缩放、裁剪、格式转换等预处理的场景。PIL 不负责渲染，只做图像对象管理，最终靠 Jupyter 的 display 机制输出。
注意：img.show() 是弹系统窗口，**在 Jupyter 里完全无效**，别用。
- 正确写法是：
from IPython.display import display，然后display(img) -
img = PIL.Image.open(...)后可链式调用：img.resize((300, 200)).convert('RGB') - 如果图像模式是
'P'（索引色，如某些 PNG），需先.convert('RGBA')或'RGB'再显示，否则报错 - 不支持直接传 URL，得先用
requests.get下载再用BytesIO构造
为什么 %%html 和 Markdown 单元格不算“代码中显示”
它们确实能显示图片，但不符合“在代码单元格中执行逻辑并输出图像”的需求。前者是内联 HTML 渲染，后者根本绕过 Python 执行环境。
真正需要“代码中显示”的典型场景：批量读图、模型输出可视化、训练过程截图、图像增强效果对比——这些都要求变量参与、路径动态拼接、条件判断后才决定是否显示。
这时候硬塞进 Markdown 单元格，就失去了可编程性；用 %%html 则无法响应变量值变化，也难做异常 fallback（比如图片缺失时显示提示文字）。
