图像在计算机内部本质上就是数组，如果要对图像进行修改，本质上就是对数组（像素点）进行修改。因此，处理图像时（除了改变缩放，旋转，镜像等等）需要先转化为数组（二值化以及归一化），然后处理完毕后在转换回去。即先np.array()再Image.fromarray()

图像预处理：

为了提高图像质量，减少系统误差，提高效率，我们要先灰度处理（必有，但是无法恢复到RGB，因此我们必须保证灰度处理不影响我们目标分割或者是目标检测），归一化处理（必有,可以通过乘以255再变回来），缩放，二值化（适用于去杂质，无法回复，导致图像烂掉了，不能用于彩色图像处理，可以去杂质），归一化以及灰度图可以减少参数，保留最有用的信息。

综上所述：

1.灰度处理：目的是在不影响图像分割的情况下，有效降低图片处理参数

2.归一化：目的是不改变原来形状轮廓的有效信息，去掉冗余，保留核心信息，提高处理速度

3.批量缩放图片：CNN架构需要（所有图片大小一致），同时正方形图片的输入有利于保证图像卷积后结果好((W-F+2P)/S + 1)，同时也有一定数据增强的效果（不同形状被拉的不成样子）

4.图像随机数旋转：有数据增强的效果（各种不同角度，见多识广）

5.图像二值化处理：将灰度图转化为二值图，255的表示特定物体，0的表示背景，不涉及多级像素

阈值分割对像素级物体分割效果好，对于其他的分割例如纹理分割，可以转化为像素特点再分割。

不能对原图像操作，会破坏原图像，可以对预测图像操作