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: 输入的图像的三通道需要是 BGR 顺序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。