MATLAB编程中处理图像为何要使用double datatype

通过imread读取的常规图像，默认存储类型大多是uint8（取值范围0-255）、uint16（取值范围0-65535）等无符号整型，这类类型适合直接存储磁盘上的图像文件，但完全不适配绝大多数图像处理的运算流程，转成double类型的原因可以归纳为以下几点：

• 规避整型运算的固有缺陷
  无符号整型运算时会自动触发截断规则：只要结果超出自身的取值范围，就会直接截断为边界值，更无法存储负值。但绝大多数图像运算的中间结果本身就会超出像素原始范围、甚至出现负值：比如索贝尔边缘检测的卷积权重求和、拉普拉斯变换的二阶导响应、两幅图像的差值计算，用uint8运算时，两个像素值130+140的和本来是270，会直接被截断为255，算出来的边缘结果会出现严重失真；而uint8(10-20)会直接得到0，根本无法正确计算两图的差异。double类型作为双精度浮点数，可以承载任意范围的实数运算，不会出现这类无意义的截断。
• 匹配通用数学函数的输入要求
  MATLAB内置的大量通用数学函数（比如fft2二维傅里叶变换、svd奇异值分解、特征值计算、卷积运算）本身就是基于双精度浮点数设计的，传入整型输入时会自动做隐式类型转换。提前手动将图像转成double，不仅可以省掉隐式转换的额外计算开销，还能避免大尺寸图像隐式转换时带来的内存占用暴涨问题——一张1000*1000的uint8灰度图仅占1MB内存，转成double后占8MB，隐式转换带来的无意义内存拷贝完全可以通过提前显式转换规避。
• 统一算法接口的数值语义
  MATLAB生态中，绝大多数自研图像处理函数、第三方算法工具箱，对输入double类型图像的数值约定是：[0,1]区间对应纯黑到纯白的完整动态范围，和uint8类型[0,255]的语义一一对应。如果直接传入原始uint8图像，函数会把255识别为远超动态范围的数值，比如做对比度拉伸、伽马校正时，会直接把整幅图的像素压成全黑。这里也要提实际开发中高频踩的坑：很多人执行double(img)转换后没有除以255归一化，调用imshow时会看到整幅图一片过曝的白色，就是因为imshow对double输入默认只认[0,1]的有效显示范围。
• 适配非线性像素映射的精度需求
  伽马校正、对数变换、直方图均衡化这类非线性操作的计算结果，本身就是非整数的实数（比如伽马校正公式I_out = I_in^gamma，当I_in=0.5、gamma=2.2时，计算结果是0.206），无符号整型根本无法存储这类非整数结果。用double类型存储中间计算值，可以最大程度保留映射过程的精度，避免四舍五入带来的色彩失真。

实际开发里的常识是：double类型确实比整型占更多内存，但算法开发阶段的核心目标是保证计算正确性，等流程调试完成、结果需要保存到磁盘时，再把像素值映射回[0,255]范围转成uint8存储即可，不需要为了省内存牺牲运算精度。

内容的提问来源于stack exchange，提问作者AmirHossein Vatanibaf