前言：关于uint8和float型数据
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。
一、skimage.io。
读取方法： skimage.io.imread('图片地址')
返回的格式是uint8格式的数组。
二、imageio
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 |
补充：python处理图像转化为uint8格式
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
总结
到此这篇关于python中不同函数读取图片格式的区别的文章就介绍到这了,更多相关python读取图片格式的区别内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
