方法一：利用 PIL 中的 Image 函数

这个函数读取出来不是 array 格式，这时候需要用 np.asarray(im) 或者 np.array（）函数 。
区别：np.array() 是深拷贝，np.asarray() 是浅拷贝

关于深拷贝和浅拷贝，这里给出一个说明：

Python 中的对象之间赋值时是按引用传递的，如果需要拷贝对象，需要使用标准库中的copy模块。

1. copy.copy 浅拷贝 只拷贝父对象，不会拷贝对象的内部的子对象。
2. copy.deepcopy 深拷贝 拷贝对象及其子对象

一个很好的例子：
import copy  
a = [1, 2, 3, 4, ['a', 'b']] #原始对象  

b = a #赋值，传对象的引用  
c = copy.copy(a) #对象拷贝，浅拷贝  
d = copy.deepcopy(a) #对象拷贝，深拷贝  

a.append(5) #修改对象a  
a[4].append('c') #修改对象a中的['a', 'b']数组对象  

print 'a = ', a  
print 'b = ', b  
print 'c = ', c  
print 'd = ', d

输出结果： 
a = [1, 2, 3, 4, ['a', 'b', 'c'], 5] 
b = [1, 2, 3, 4, ['a', 'b', 'c'], 5] 
c = [1, 2, 3, 4, ['a', 'b', 'c']] 
d = [1, 2, 3, 4, ['a', 'b']]

关于这个问题好像网上找不到更详细的说明，虽然不好理解，仔细想想其实也想的通（浅拷贝，深拷贝，这个概念倒是挺好玩的，感觉自己理解上有点偏差，慢慢琢磨吧），下面继续进入正题。

from PIL import Image  
import numpy as np  

I = Image.open('./cc_1.png')   
I.show()      
I.save('./save.png')  
I_array = np.array(I)  
print I_array.shape

方法二：利用 matplotlib

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

import matplotlib.pyplot as plt  
import matplotlib.image as mpimg  
import numpy as np  
I = mpimg.imread('./cc_1.png')  
print I.shape  
plt.imshow(I)

方法三：利用 OpenCV-Python 接口

cv2.imread() 读出来同样是 array 形式，但是如果是单通道的图，读出来的是三通道的。

import cv2  
I = cv2.imread('./cc_1.png')  
print I.shape

方法四：图像处理库 Scipy

图像的存取笔者一般喜欢用 scipy 这个库里的东西
读出来是 array 形式，并且按照（H，W，C）形式保存

import matplotlib.pyplot as plt  
from scipy import misc  
import scipy  
I = misc.imread('./cc_1.png')  
scipy.misc.imsave('./save1.png', I)  
plt.imshow(I)  
plt.show()

方法五：用 skimage 库

from skimage import io,data
img=data.lena()
io.imshow(img)

关于存储方式：
笔者主要用两种：

1. 当对象是图片时，使用 object.save（path）函数
2. 当对象时二维数组时，使用 misc.imsave（path，object）函数