您好,登录后才能下订单哦!
这篇文章主要讲解了numpy矩阵相减出现的负值自动转正值的问题解决方案,内容清晰明了,对此有兴趣的小伙伴可以学习一下,相信大家阅读完之后会有帮助。
问题描述
今天在使用Numpy中的矩阵做相减操作时,出现了一些本应为负值的位置自动转换为了正值,
观察发现转换后的正值为原本的负值加上256得到,具体情况如下:
正常情况矩阵相减样例如下
>>> import numpy as np >>> arr = np.array([98,100,103,161,192,210]) >>> brr = np.array([105,105,106,197,196,195]) >>> crr = arr-brr >>> print(crr) [ -7 -5 -3 -36 -4 15]
错误代码如下:
path = './image/Blur/blur5.png' kernel_size = (21, 21); sigma = 0; img = cv2.imread(path) img2gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) img2blur = cv2.GaussianBlur(img2gray, kernel_size, sigma); grayMat = np.matrix(img2gray) blurMat = np.matrix(img2blur) finalMat = blurMat-grayMat print(grayMat[0,0:10]) print(blurMat[0,0:10]) print(finalMat[0,0:10])
得到的结果值如下:
[[173 171 169 171 174 179 181 182 180 180]] [[172 172 172 173 173 174 174 173 171 168]] [[255 1 3 2 255 251 249 247 247 244]]
解决方案
以上出现的矩阵相减得到的结果值自动转换的问题是因为直接通过grayMat = np.matrix(img2gray)
得到的dtype类型是unit8类型的,只需要在开始时设置为np.int32即可正常完成相减.即:
grayMat = np.matrix(img2gray ,dtype=np.float64)
补充知识:有关于python数字图像处理出现矩阵相减没有负数(值都在0-255)的情况分析
问题的发现:
这些天在做我们本校课程机器学习大作业的过程中遇到了一些瓶颈:在我使用有关数字图像矩阵运算的过程中两个参数矩阵相减(譬如 R通道的值-G通道的值)的时候,测试结果的输出一直是正数,且其值都在(0-255)中,这给我带来了不少麻烦。
测试代码如下
print(imgs_train[1][:,:,1]) print("====================================") print(imgs_train[1][:,:,2]) print("====================================") print(imgs_train[1][:,:,1]-imgs_train[1][:,:,2])
输出结果为
[[141 143 144 ... 90 90 68] [139 141 141 ... 88 90 68] [140 141 140 ... 87 90 68] ... [ 52 52 52 ... 85 83 81] [ 52 52 52 ... 85 83 81] [ 52 52 52 ... 85 83 81]] ==================================== [[171 173 172 ... 106 107 84] [169 171 169 ... 106 107 86] [169 170 169 ... 107 109 88] ... [ 40 40 43 ... 68 66 64] [ 40 40 43 ... 68 66 64] [ 40 40 43 ... 68 66 64]] ==================================== [[226 226 228 ... 240 239 240] [226 226 228 ... 238 239 238] [227 227 227 ... 236 237 236] ... [ 12 12 9 ... 17 17 17] [ 12 12 9 ... 17 17 17] [ 12 12 9 ... 17 17 17]]
可以看得出来,虽然两个矩阵相减,但是理应为负值的元素却像是取模了一般又变为了正数(255+计算结果),导致这样情况的原因其实是因为矩阵的元素类型有关。默认来说这样的矩阵类型是uint8即无符号8bit整型,这样进行相减当然得不出正确结果。
问题的解决
在查阅相关资料之后,发现可以通过设置其元素格式进行运算,从而规避了无负数结果的发生。
测试代码如下:
print(imgs_train[1][:,:,1]) print("====================================") print(imgs_train[1][:,:,2]) print("====================================") print(imgs_train[1][:,:,1].astype(np.float32)-imgs_train[1][:,:,2].astype(np.float32))
结果显示为:
[[141 143 144 ... 90 90 68] [139 141 141 ... 88 90 68] [140 141 140 ... 87 90 68] ... [ 52 52 52 ... 85 83 81] [ 52 52 52 ... 85 83 81] [ 52 52 52 ... 85 83 81]] ==================================== [[171 173 172 ... 106 107 84] [169 171 169 ... 106 107 86] [169 170 169 ... 107 109 88] ... [ 40 40 43 ... 68 66 64] [ 40 40 43 ... 68 66 64] [ 40 40 43 ... 68 66 64]] ==================================== [[-30. -30. -28. ... -16. -17. -16.] [-30. -30. -28. ... -18. -17. -18.] [-29. -29. -29. ... -20. -19. -20.] ... [ 12. 12. 9. ... 17. 17. 17.] [ 12. 12. 9. ... 17. 17. 17.] [ 12. 12. 9. ... 17. 17. 17.]]
综上所述,在遇到矩阵不明数值类型的时候可以指定其类型,之后矩阵元素就会以这样的数值类型进行计算。
看完上述内容,是不是对numpy矩阵相减出现的负值自动转正值的问题解决方案有进一步的了解,如果还想学习更多内容,欢迎关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。