如之前所说，我们需要将16位图像转换为8位图像；16位图像的像素值一共有：
2^16=65536种颜色；
而8位位图像只有：
2^8=256种颜色，传统的位数转换都是：像素值*256/65536，比如photoshop，以及matlab的im2uint8函数都是如此，在一般场景下是没有问题的，我们姑且称之为“真转换”，而如果是labelme得到的label.png标注图像在进行转换时，由于每个类别的像素值从0开始赋值，如0，1，2，3，4.......如果进行“真转换”的话，由于这些值都太小，基本转换后的像素值都是（0，1）之间，所以都变成了0，所以我们需要将16位转换位8位的时候还保留住原来的像素值，这种只改变位数，而不改变具体数值的转换方法，姑且称之为“伪转换”；
而解决的思路也很简单，图像说白了也就是一个矩阵，像素值也就是一个数值而已，我们只需要把表示类别的像素值找出来，并且把他们的值投射到8位即可：
使用的软件环境如下：
- Python 3.6.3
- VS2013
- OPENCV 2.4.11
- PIL
- Labelme 2.8.0
首先，C++使用opencv转化，核心代码如下：（完整代码（批量转换，速度最快，需要配置opencv）:点击打开链接）
for (int k = 0; k<src.rows; k++)
{
for (int kk = 0; kk<src.cols; kk++)
{
int n = src.at<ushort>(k, kk);
ff.at<uchar>(k, kk) = n;
}
}
python使用PIL进行转换，更加简单，核心语句就一行（完整代码(推荐，批量转化，速度也很快，但是少了配置opencv的麻烦):点击下载完整python转换代码）：
img = Image.fromarray(np.uint8(img))
转换完成后，可以使用软件查看时候变为8位，但是打开图片依然是一片黑：
如果需要提高类别之间的差异性，可以直接乘以一个较大的值：如下：
img = Image.fromarray(np.uint8(img)*20)
图片就会有明显的区分，如下：
