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。
以上这篇解决numpy矩阵相减出现的负值自动转正值的问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！
P70系列延期，华为新旗舰将在下月发布
3月20日消息，近期博主@数码闲聊站 透露，原定三月份发布的华为新旗舰P70系列延期发布，预计4月份上市。
而博主@定焦数码 爆料，华为的P70系列在定位上已经超过了Mate60，成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢？
根据目前爆料的消息来看，华为P70系列将推出三个版本，其中P70和P70 Pro采用了三角形的摄像头模组设计，而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智，但辨识度绝对拉满。