图像格式问题

一、浮点型的图像

深度学习中，通常会把输入的图像数据转换为浮点型 (例如使用 .astype(np.float32))。其原因是，计算时用浮点型计算会比较准确，而且如果使用 uint8，由于其范围只是0-255，计算时很容易溢出。

二、cv2.imshow

使用 cv2.imshow 时需要注意两点：

1. 输入的图像的三通道需要是 BGR 顺序
2. 如果输入的图像是浮点型的，cv2.imshow 默认会将像素值乘 255 后再显示，因为它默认浮点型的数据会处在 0-1 之间。