结论：
当cv2.imshow()处理图像深度为CV_8U（默认范围为[0,255]）时，按原数据显示；当处理图像深度为CV_16U（默认范围为[0,65535]）时，除以256,映射到[0,255]；当图像深度为CV_32F和CV_64F时（默认范围为[0,1]），乘以255映射到[0,255]；当碰到负数时，首先取其绝对值，然后按照上述图像深度将超出数据范围的部分采取截断操作，最后映射到[0,255]显示图像
注：1. 图像深度为CV_32S在最新版本openCV4.1.0中已经无法显示
2. openCV中处理数据溢出采用饱和操作，numpy处理数据溢出采用求模操作
我们先来简单介绍一下函数cv2.imshow()。
cv2.imshow(winname,mat)
概要：
在一个指定窗口上显示图像
参数：
- winname:指定窗口的名字
- mat:要显示的图像
通过以下代码可以先看看官方文件中有关数据类型转化的说明：
import cv2
help(cv2.imshow)截取其中部分如下：
If the image is 8-bit unsigned, it is displayed as is.
If the image is 16-bit unsigned or 32-bit integer, the pixels are divided by 256. That is, the value range [0,255\*256] is mapped to [0,255].
If the image is 32-bit or 64-bit floating-point, the pixel values are multiplied by 255. That is, the value range [0,1] is mapped to [0,255].
翻译过来就是，如果图像数据类型为8位无符号整数，即范围[0,255]，则按原有数据显示；如果数据类型为16位无符号整数或者32位有符号整数，则将数据除以256，映射到[0,255]；如果数据类型为32位或64位浮点数，则将数据乘以255，映射到[0,255]。
但太过笼统，下面我们通过实例来一步步验证:
1. 图像深度为CV_8U，或者numpy数据类型为uint8
import numpy as np
import cv2
#新建numpy数组，注意np.zero()创建的数据类型为float64,所以先转化为uint8
img=np.zeros((500,500,3)).astype('uint8')
#openCV显示图像为BGR格式，通过下列方式，我们绘制两条粗红线
img[150:170,150:350]=[0,0,100]
img[350:370,150:350]=[0,0,255]
cv2.imshow('img',img)
cv2.waitKey()
cv2.destroyAllWindows()结果如下，可以看出当图像深度为CV_8U时，cv2.imshow()按原有数据显示，表现为明暗不同的两条红线，数字越大，亮度越大
2. 图像深度为CV_16U，或者numpy数据类型为uint16
import numpy as np
import cv2
#新建numpy数组，注意np.zero()创建的数据类型为float64,这里转化为uint16
img=np.zeros((500,500,3)).astype('uint16')
#openCV显示图像为BGR格式，通过下列方式，我们绘制两条粗红线
img[150:170,150:350]=[0,0,1000]
img[350:370,150:350]=[0,0,65525]
cv2.imshow('img',img)
cv2.waitKey()
cv2.destroyAllWindows()结果如下，可以看到，当数据类型为uint16，由于cv2.imshow()处理数据时要将图像矩阵先除以256，所以当原数据大小为1000时，亮度很小，几乎看不到。
3. 图像深度为CV_32S，或者numpy数据类型为int32
import numpy as np
import cv2
#新建numpy数组，注意np.zero()创建的数据类型为float64,这里转化为int32
img=np.zeros((500,500,3)).astype('int32')
#openCV显示图像为BGR格式，通过下列方式，我们绘制两条粗红线
img[150:170,150:350]=[0,0,1000]
img[350:370,150:350]=[0,0,65525]
cv2.imshow('img',img)
cv2.waitKey()
cv2.destroyAllWindows()运行结果报错，个人理解可能是openCV4.1.0版本中函数cv2.imshow()的显示图像不再支持CV_32S的图像深度
4. 图像深度为CV_32F、CV_64F，或者numpy数据类型为float32、float64
import numpy as np
import cv2
#新建numpy数组，注意np.zero()创建的数据类型为float64
img=np.zeros((500,500,3))
#openCV显示图像为BGR格式，通过下列方式，我们绘制三条粗红线
img[150:170,150:350]=[0,0,-8000]
img[250:270,150:350]=[0,0,8000]
img[350:370,150:350]=[0,0,0.34]
cv2.imshow('img',img)
cv2.waitKey()
cv2.destroyAllWindows()结果如下：
当图像深度为CV_32F,CV_64F时，数据大小默认的范围为[0,1](注：这一点有别于numpy数组)。从图像中可以看出cv2.imshow()在处理负数时首先将其转化为正数，而后采用截断操作（即大于1的数保留为1，其余不变）。数据值为1最明亮；数据值为0，最暗。
