matlab图像数据类型uint8,double关系
（一）double型的图像矩阵转化为uint8(I)类型
为了节省存储空间，matlab为图像提供了特殊的数据类型uint8(8位无符号整数），以此方式存储的图像称作8位图像。matlab读入图像的数据是uint8，而matlab中数值一般采用double型（64位）运算。
运算的时候将原图像的灰度值转换成double的作用主要是考虑计算过程中的精度的问题，double的数据是有小数点的，而uint8是0－255的整数，如果直接用uint8计算，会在计算过程中产生舍入误差，这种误差在图像的数据中是比较大的误差。
代码编写：
I = rgb2gray(imread('D:\数字图像处理\第二章学习\dog2.jpg')); %把图像变为灰度图像
f = im2double(I);
g = im2uint8(f);
figure;
subplot(1, 2, 1), imshow(f), title('double类型图像');
subplot(1, 2, 2), imshow(g), title('uint8类型图像');
代码分析：
使用im2double()将uint8转换到double类型，而且把数据大小从0-255映射到0-1区间。然后用im2uint8(),这样不仅完成数据类型转换，而且将0-1之间映射为0-255之间的数据。
运行效果如下：
实验结果：
针对“要是把运算后是double型的图像矩阵转化为uint8(I)类型，虽然可以保证显示范围，但是显示精度确实大大降低，好多细节的区域不会显示出来，”，目前代码运行结果显示细节的区域显示差别不大，细节区域基本都能显示出来，但是针对显示精度问题，可以从理论得到论证，double的数据是有小数点的，而uint8是0－255的整数，如果直接用uint8计算，会在计算过程中产生舍入误差，这种误差在图像的数据中是比较大的误差。
matlab中double转化为uint8
下面展示im2uint8(）和uint8(）两种方法在不同初始状态下的实现效果，分析优劣，代码详细解释在注释中。
状态1：
代码编写：
I = rgb2gray(imread('D:\数字图像处理\第二章学习\dog1.jpg')); %把图像变为灰度图像f = im2double(I);
f = im2double(I); %im2double()将uint8转换到double类型，而且把数据大小从0~255映射到0~1区间。
g = im2uint8(f); %im2uint8(）实现double转化为uint8
h = uint8(round(f*255)); %uint8(）实现double转化为uint8
figure;
subplot(1, 2, 1), imshow(g), title('im2uint8');
subplot(1, 2, 2), imshow(h), title('uint8');
运行状态如下：
由上图可以看出：当图像数据是double类型的0~1之间，两者操作是等价的。
状态2：
代码编写：
I = rgb2gray(imread('D:\数字图像处理\第二章学习\dog2.jpg')); %把图像变为灰度图像
f = double(I); %double()将无符号整型转换为双精度浮点型double，数据大小没有变化，原本数据是0~255之间，转化后还是0~255。
g = im2uint8(f); %im2uint8(）实现double转化为uint8
h = uint8(round(f)); %uint8(）实现double转化为uint8
figure;
subplot(1, 2, 1), imshow(g), title('im2uint8');
subplot(1, 2, 2), imshow(h), title('uint8');
运行状态如下：
由上图可以看出：如果图像矩阵数据是double类型的0-255，直接im2uint8（）转换的话，matlab会将大于1的数据都转换为255，0-1之间的数据才会映射到0~255之间整型的数据，所以图像会显示白色。而unit8（）转换后显示的图像仍然正常。
数学原理：
在数据类型转换时候uint8和im2uint8的区别，uint8的操作仅仅是将一个double类型的小数点后面的部分去掉；但是im2uint8是将输入中所有小于0的数设置为0，而将输入中所有大于1的数值设置为255，再将所有其他值乘以255。
代码编写：
A = linspace(-1,2,65536); %在-1到2之间均匀取65536个点
x = A;
B = im2uint8(A);
figure;
plot(x,A);hold on;
plot(x,B);hold off;
title('im2uint8')
BB = uint8(A);
figure;
plot(x,A);hold on;
plot(x,BB);hold off;
title('uint8')
运行状态如下：
从图中可以清晰看出：蓝色的显示-1到2，红色的线是我们想看到的结果，在im2uint8图像中将输入中所有小于0的数设置为0，而将输入中所有大于1的数值设置为255；uint8对浮点数进行了取整操作。
综合分析：
图像数据在计算前需要转换为double,以保证精度;很多矩阵数据也都是double的。要想显示图像，必须先转换为图像的标准数据格式。如果转换前的数据符合图像数据标准（比如如果是double则要位于0～1之间） ，那么可以直接使用im2uint8。如果转换前的数据分布不合规律，则使用uint8，将其自动切割至0～255（ 超过255的按255）。总的来说：im2uint8要求被转化的数据必须是符合图像数据标准(如：double [0 1]) ，而uint8（）则不必，它会自动截断数据。由此可以推出unit8（）是效果优的方法。
（二）图像的【0，1】和【0，255】显示
理论根源：
一般的CCD或者数码相机采样得到的亮度等级都是2的8次方个，也就是[0,255],这是采样结果，所以最简单的，就是直接用0到255表示了。但是有时候，我们要对图像进行各种变换，如果每次都用整数进行运算，后面的计算误差就会很大，所以就临时变成了浮点数，算完了之后再转回去，如果你用的是一个浮点数，无论你怎么变，信息量都不会丢失，至于后来为什么又要转回[0,255]，这是因为显示器也可以是8位的，用[0,255]存储，可以直接显示。
matlab默认double类型图片数据是位于0~1之间的，而uint8是位于0-255之间。
uint8类型为无符号8位整数，范围 ： [0 255]，四舍五入。
uint8(-1)
uint8(99.4)
uint8(99.6)
uint8(100)
uint8(266)
double(0.22)
代码编写：
I = double(imread('D:\数字图像处理\第二章学习\adapth1.png'));
figure;
subplot(1, 3, 1), imshow(I), title('直接对double型图像显示');
subplot(1, 3, 2), imshow(I/255), title('将图像矩阵转化到0-1之间');
subplot(1, 3, 3), imshow(uint8(I)), title('将double类型的0~255数据转为uint8类型');
运行效果如下：
代码分析：
double( )就是简单的数据类型转换，将无符号整型转换为双精度浮点型double，但是数据大小没有变化，原本数据是0-255之间，转化后还是0-255。例如原来是255，那么转换后为255.0，小数位0个数是由double数据长度决定，实际数据大小还是255，只不过这个255已经是double类型空间存储了。代码第一行并没有选用im2double()，因为im2double()不仅仅是将uint8转换到double类型，而且把数据大小从0-255映射到0-1区间。
直接对double之间的数据矩阵I运行imshow(I)，我们会发现有时候显示的是一个白色的图像。 这是因为imshow()显示图像时对double型的默认动态范围为【0,1】，I经过double( )变换后为double型，但值绝大部分都大于1，所以大范围都会显示为白色。imshow显示uint8型时是0-255范围。所以对double类型的图像显示的时候，要么归一化到0-1之间，要么将double类型的0~255数据转为uint8类型。
优劣对比：
- 运算的时候将原图像的灰度值转换成double的作用主要是考虑计算过程中的精度的问题，double的数据是有小数点的，而uint8是0－255的整数，如果直接用uint8计算，会在计算过程中产生舍入误差，这种误差在图像的数据中是比较大的误差。而且如不转换，在对uint8进行加减时会溢出。
- 显示的时候是因为我们的显示系统采用的颜色模式大多为RGB模式，其每一种颜色分量的取值只能在0－255，所以显示时要用uint8数据。
- 在Matlab中，数值一般都采用double型（64位，8个字节）存储和运算，为了节省存储空间，Matlab为图像提供了特殊的数据类型uint8(8位无符号整数，即一个字节)存储的时候的一般存储为uint8类型，以此方式存储的图像称为8位型像。