为了节省存储空间，图像一般存储在一种特殊的数据类型——uint8(8位无符号整数）中，以此方式存储的图像称作8位图像。
imread把灰度图像存入一个8位矩阵，当为RGB图像时，就存入8位RGB矩阵中。
因此，通过matlab以及各种python包（skimage，imageio）读入图像的数据类型都是uint8的，而在数据运算中，如果不转换成double格式，计算可能会产生溢出。
总之先记住一句话：uint8用来存储和显示（imshow），double用来运算。
读取方法： skimage.io.imread('图片地址')
返回的格式是uint8格式的数组。
读取方法： imageio.imread('图片地址').
返回的格式是一个imageio.core.util.Image类，其里边的元素也是uint8格式的。
以上两种类型均可以通过skimage.img_as_float转换成float64格式的图片。
转换公式为：：
元素转换前后对比： 67（uint8） →→→ 0.2627(float64)。
在程序中的相互转换：
1）把uint8转换成float
转换成float64。只需要利用skimage.img_as_float()函数即可。
如果需要转换成float32格式，在float64的基础上加上：.astype(np.float32)即可。
示例：
img = skimage.img_as_float(img)#从uint8转换成float364 img = skimage.img_as_float(img).astype(np.float32)#从uint8转换成float32
2）把float64转换成uint8
这是目前来说找到的既能达到目的又不使图像失真的方法了：分别利用skimage包和numpy中的函数进行转换，如果直接用numpy函数进行转换，会使图像失真。
img = skimage.img_as_float(img)#先转换成uint16的格式。 img = np.uint8(img)#再转换成uint8的格式。
总结：以上的转换中可以看出：能用图形处理包的格式转换函数就别用numpy中的格式转换函数，否则会出现各种各样的问题。
附：不同数据类型的对比：
| Data type | range |
|---|---|
| uint8 | 0 to 255 |
| uint16 | 0 to 65535 |
| uint32 | 0 to 232 |
| float | -1 to 1 or 0 to 1 |
| int8 | -128 to 127 |
| int16 | -32768 to 32767 |
| int32 | -231 to 231 - 1 |
在python图像处理过程中，遇到的RGB图像的值是处于0-255之间的，为了更好的处理图像，通常会将图像值转变到0-1之间
这个处理的过程就是图像的uint8类型转变为float类型过程。img.astype('uint8')/255
float类型取值范围 ：-1 到1 或者 0到1
