1.mat文件中数据(数据最大4000)转化成uint8，再进行图像显示，用imshow函数显示并保存
2.用imshow(x,camp=gray,vmin=0,vmax=4000)所显示图像并保存
问题:两个方法获得的图像有什么差别，我认为都是uint8数据形式，灰度值应该相同，但是用plt.imread函数读取图像，读出来的数值不同，这是为什么？
该回答引用GPTᴼᴾᴱᴺᴬᴵ
对于问题1，你可以使用scipy.io.loadmat()函数来读取.mat文件，然后将读取到的数据转化为uint8类型，再进行图像显示和保存。
示例代码如下：
import scipy.io as sio
import numpy as np
import cv2
# 读取.mat文件
data = sio.loadmat('filename.mat')
img_data = data['img_data'] # 获取图像数据
# 转化为uint8类型
img_data = np.uint8(img_data)
# 显示图像
cv2.imshow('image', img_data)
# 保存图像
cv2.imwrite('filename.png', img_data)
对于问题2，你可以使用matplotlib.pyplot.imshow()函数来显示图像，其中cmap参数设置为gray，vmin参数设置为0，vmax参数设置为4000，同时保存图像。
示例代码如下：
import matplotlib.pyplot as plt
import scipy.io as sio
# 读取.mat文件
data = sio.loadmat('filename.mat')
img_data = data['img_data'] # 获取图像数据
# 显示图像
plt.imshow(img_data, cmap='gray', vmin=0, vmax=4000)
# 保存图像
plt.savefig('filename.png')
关于读取图像数值不同的问题，可能是因为plt.imread()函数默认将图像归一化到[0,1]之间，而imshow()函数没有对图像进行归一化处理。可以尝试使用plt.imshow()函数代替plt.imread()函数来读取图像数据，或者在使用plt.imread()函数时，将图像转化为uint8类型，例如：
import matplotlib.pyplot as plt
import scipy.io as sio
import numpy as np
# 读取图像
img_data = plt.imread('filename.png')
# 转化为uint8类型
img_data = np.uint8(img_data * 255)
# 显示图像
plt.imshow(img_data, cmap='gray', vmin=0, vmax=4000)
# 保存图像
plt.savefig('filename.png')
这样可以保证读取的图像数据与使用imshow()函数显示的图像数据相同。
虽然两个方法获得的图像都是以uint8的格式保存的灰度图像，但是它们的数据范围不同。在第一个方法中，将原始数据通过np.uint8()转换为uint8格式时，数据的范围被限制在0-255之间，因此显示的图像的灰度值范围也被限制在0-255之间。而在第二个方法中，使用vmin和vmax参数限制了数据的范围，但是数据本身并没有被强制转换为uint8格式，因此显示的图像的灰度值范围可以超过0-255的范围。
当使用plt.imread()函数读取保存的图像时，函数默认会将图像的数据类型转换为float32格式，因此读出来的数值范围可以超过0-255。如果需要读取uint8格式的图像，可以使用cv2.imread()函数。