开发了一个星期，Linux版本和Windows版本的yimage都编译打包完毕，并且发布在了python的官方平台pypi。大家可以通过pip install yimage的方式进行安装。其中一项依赖gdal则推荐采用conda install gdal -c conda-forge安装，强烈建议安装3.2.2以及更高的版本，否则部分函数运行会特别缓慢。这一版本相比1.0.3版本改进了很多，建议正在使用yimage库的朋友都进行更新。
yimage项目英文文档位于https://pypi.org/project/yimage/
yimage项目中文文档位于http://yimage.yannx.me，如果该链接301重定向失败，可访问http://blog.yannx.me/python/46/yimage-library/。
距离1.0.x版本发布已经快一年了。一开始以为1.0版本已经够用了，但是经过一年的使用，发现还是有几个功能需要增加的。
在去年的时候，有朋友做深度学习比赛，该比赛对数据读写时间要求很高。gdal的数据读写速度是快于OpenCV、PIL、tiffile等一系列库的。但是按照yimage 1.0.x的接口，数据读入是按照（H，W，C）顺序，而PyTorch的Tensor则是（C，H，W）形式，数据读取后需要进行transpose，这会影响IO速度。因此这一次yimage更新，在读取函数加入了原生的（C，H，W）支持，与gdal运行速度一致。
另外在使用yimage保存影像的时候，一张图非常占存储空间，特别是深度学习语义分割结果。经常会出现未经压缩的影像达到了几百MB，但是无损压缩后仅仅占用几MB。因此此次更新加入了LZW等压缩算法。
对于RGB模式的加入，则是为了照顾一些习惯于使用PIL库和skimage库的非遥感专业朋友的。其实本身可以采用BGR模式读入然后调用yimage的img_ordered_by_band_list函数实现转换。read_image和write_yimage中加入了band_list则大大降低了读入内存开销，这个是1.0.x系列没有考虑到的。load_color_table_list函数则加入了name_list返回值，使得颜色表中的类别名称变得有意义了。
这一次更新规范了代码仓库和开发标准，也不再支持python 3.5版本。新增了python 3.9版本的支持。1.0.x版本打包发布过程中，有大量需要人工操作的步骤，使得发布非常繁琐。这也是长达一年没有更新的原因。这一次更新花费了大量时间开发了Linux平台和Windows平台的一键打包发布脚本，极大的降低了发布难度，便于后续迭代更新。当然也支持macOS版本，不过似乎需求量不大，因此没有进行编译，如果大家需要可以联系我，我会进行编译并上传pypi。
这一版本读写遥感影像是非常方便的，读写均只需要一行代码即可。易用度远高于gdal，推荐大家试试。
大家在使用中如果遇到了bug或者有新功能需求，可以联系我或者在博客中留言，我会尽快更新。感谢各位对yimage库的支持。
Yannx
2020年5月30日