深度学习接触一段时间也慢慢有些东西要改一些了，基本的就是图像的操作。我前面的《图像目标分割》文档有个错误，就是关于imsave()的，说要乘以256，实际上应该是255。更准确的说，要根据类型看。例如：

import skimage.io
image_png = skimage.io.imread('/tmp/test_png.png')
image_new = rgba2rgb(image_png)

这里读入一个png格式的图片，png含有alpha通道，也就是rgba四通道。这里image_png变量里面是uint8类型的，所以通过rgba2rgb()方法转换就成了float64类型的了。所以才有了后面说的如果想达到读入jpg这种三通道，不经过转换的原始整数数据，需要乘以255的操作。

实际上这是因为涉及到了uint8和float64类型变化了，如果float类型用imsave()保存，需要数值在-1到1之间，否则会报错：

ValueError: Images of type float must be between -1 and 1.

如果一开始就是uint8，保存的时候就无需除以255，如：

import numpy as np
import skimage.io
image = np.array(
            [109, 232, 173],
            [55,  35, 144]
            [43, 124, 185],
            [234, 127, 246]
    ], dtype=np.uint8)
skimage.io.imsave('/tmp/test.jpg', image)

这样是没有问题的。另外一点，imsave()保存可以是(M, N)，(M, N, 3)或者(M, N, 4)，也就是灰度图单通道，rgb和rgba都可以。我上例image的shape就是(2, 2, 3)，也就是只有4个像素的三通道图像。

深度学习接触一段时间也慢慢有些东西要改一些了，基本的就是图像的操作。我前面的《图像目标分割》文档有个错误，就是关于imsave()的，说要乘以256，实际上应该是255。更准确的说，要根据类型看。例如：import skimage.ioimage_png = skimage.io.imread('/tmp/test_png.png')image_new = rgba2rgb(image... 经过测试，经过x.png格式应该是RGBA四通道，但是使用 im read读取出来的矩阵仍然是三通道。测试代码如下： # 四十三： sk image . io . im read读取 图像 from sk image . io im port im read im port numpy as np a = im rea... im g_bgr = cv. im read('./ im g.jpg',1) #BGR格式 im g_gray = cv. im read('./ im g_gray',0) #灰度图 cv. im read(fname,0) cv. im read(fname,1) fname（ 即filename），表示文件名或者文件路径