Image processing 在scikit图像中显示使用exposure.equalize_adapthist的警告消息

在执行对比度受限自适应直方图均衡化时，我收到了以下警告消息。如何避免它，它表明了什么

from skimage import exposure
img_adapteq = exposure.equalize_adapthist(image_gray, clip_limit=0.03)

C:\Users\ugwz\AppData\Local\Continuum\anaconda3\lib\site-packages\skimage\util\dtype.py:135: UserWarning: Possible precision loss when converting from float64 to uint16
  .format(dtypeobj_in, dtypeobj_out))

rgb2gray将图像转换为浮动，因为它根据上的公式计算相对亮度。请注意，由于Scientific Python生态系统的约定，它还重新将值保存在[0,1]中，因此.astypenp.uint16不会执行您想要的操作。相反，请使用skimage.util.img_作为{ubyte，uint}，详细内容如下：

从撇渣导入颜色、util、曝光 image=io.imread image\u gray=color.rgb2grayimage image16=util.img\u为灰色 img_adapteq=曝光。均衡器_adaptehistimage_灰度，clip_limit=0.03

---

不幸的是，在版本0.15中，您仍然会看到警告，但它已在版本0.16及更高版本中被删除，该版本将在未来几天内发布。

正如它所说，当您将CLAHE应用于未与我们共享的float64图像时，可能会失去一些精度。怎么说？不要期望对64位浮点映像应用操作的结果适合16位映像。您不能将1.8E308存储在最多只能容纳65536的空间中。您好，马克，谢谢，但我如何知道图像是否为浮动64。这只是一个jpg文件，我是这样读的，image=imreadC:\\test8.jpg image\u gray=rgb2grayimageA jpg通常在每个通道中都是固有的uint8。请尝试printimage\u gray.dtype和printimage.dtype检查实际涉及的类型。感谢您提请我注意该文档。我将删除以上任何不正确且可能误导他人的评论。