方法一：利用PIL中的Image函数;
Note: 这个函数读取出来不是array格式
这时需要用 np.asarray(im) 或者np.array（）函数将其转化成array，然后可以使用如下的方法来查看图像的格式（下面是基于python3的编程格式）：
我做测试的结果显示如下：
结果输出：
区别是 np.array() 是深拷贝，np.asarray() 是浅拷贝
#方法二：利用matplotlib.pyplot as plt用于显示图片
# matplotlib.image as mpimg 用于读取图片
# 并且读取出来就是array格式
#方法三：OpenCV目前支持读取bmp、jpg、png、tiff等常用格式。更详细的请参考OpenCV的参考文档。
#利用opencv-python接口
#cv2.imread()读出来同样是array形式，
这里我们需要稍微了解下flag这个参数,这决定了opencv是如何读入我们的图像的
我们知道通常图像每个像素点的颜色我们以RGB的格式来描述(或者RGBA),可以通过三基色(red,green,blue)来描述所有颜色,对于透明图片我们会增加一个a(alpha)来描述其颜色的透明度.
可以简单的用-1,0,1来分别表示这3个flag
举例如下：
因为lenna图并没有包含透明度这一通道,读入的仍然是BGR格式,所以我们从lenna图是看不出区别的
读取和显示图像（使用opencv，该部分以定义一个函数的形式读取图像）
第一个参数是保存文件名和路径，第二个是图像矩阵。imwrite() 有个可选的第三个参数
)
5 -- 是第三个参数，它针对特定的格式：对于JPEG，其表示的是图像的质量，用0 - 100的整数表示，默认95
注意: cv2.IMWRITE_JPEG_QUALITY类型为 long ,必须转换成 int.,对于png ,第三个参数表示的是压缩级别。
cv2.IMWRITE_PNG_COMPRESSION, 从0到9 压缩级别越高图像越小。默认为3.
#方法四：图像的存取用scipy这个库里的东西，读出来是矩阵形式，并且按照（H，W，C）形式保存
#方法五：用skimage库
img=data.lena() #详细解释如下，使用data可以直接调用skimage程序中自带的图像
io.imshow(img)
显示：