1）opencv 默认读进去的是bgr的顺序，下面操作将bgr转为rgb
mg = cv2.resize(img, (config.input_size[1], config.input_size[0]))
img = img[:, :, (2, 1, 0)]//将bgr转rgb
2）opencv读入图片的矩阵格式是：（height,width,channels）。而在深度学习中，因为要对不同通道应用卷积，所以会采取另一种方式，channel first：（channels,height,width）。为了应对该要求，可以这么做：
print(img.shape)
img = img.transpose(2,0,1)
print(img.shape)
3）在深度学习搭建CNN时，往往要做相应的图像数据处理，比如图像要扩展维度，比如扩展成（batch_size,channels,height,width）。对于这种要求，可以这么做：
#有时候还要扩展维度，比如有时候我们需要预测单张图片，要在要加一列做图片的个数，可以这么做：
img = np.expand_dims(img, axis=0)
print(img.shape)
注意：
上面提到的是预测阶段时预测单张图片的扩展维度的操作，如果是训练阶段，构建batch，即得到这种形式：（batch_size,channels,height,width）。可以这么做：
data_list = []
loop:
im = cv2.imread('xxx.png')
data_list.append(im)
data_arr = np.array(data_list)
