解決numpy矩陣相減出現(xiàn)的負值自動轉(zhuǎn)正值的問題

更新時間：2020年06月03日 09:45:35 作者：木易依

這篇文章主要介紹了解決numpy矩陣相減出現(xiàn)的負值自動轉(zhuǎn)正值的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

問題描述

今天在使用Numpy中的矩陣做相減操作時,出現(xiàn)了一些本應(yīng)為負值的位置自動轉(zhuǎn)換為了正值,

觀察發(fā)現(xiàn)轉(zhuǎn)換后的正值為原本的負值加上256得到,具體情況如下:

正常情況矩陣相減樣例如下

>>> 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]

錯誤代碼如下：

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])

得到的結(jié)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]]

解決方案

以上出現(xiàn)的矩陣相減得到的結(jié)果值自動轉(zhuǎn)換的問題是因為直接通過grayMat = np.matrix(img2gray)

得到的dtype類型是unit8類型的,只需要在開始時設(shè)置為np.int32即可正常完成相減.即:

grayMat = np.matrix(img2gray ,dtype=np.float64)

補充知識：有關(guān)于python數(shù)字圖像處理出現(xiàn)矩陣相減沒有負數(shù)（值都在0-255）的情況分析

問題的發(fā)現(xiàn)：

這些天在做我們本校課程機器學習大作業(yè)的過程中遇到了一些瓶頸：在我使用有關(guān)數(shù)字圖像矩陣運算的過程中兩個參數(shù)矩陣相減（譬如 R通道的值-G通道的值）的時候，測試結(jié)果的輸出一直是正數(shù)，且其值都在（0-255）中，這給我?guī)砹瞬簧俾闊?/p>

測試代碼如下

print(imgs_train[1][:,:,1])
print("====================================")
print(imgs_train[1][:,:,2])
print("====================================")
print(imgs_train[1][:,:,1]-imgs_train[1][:,:,2])

輸出結(jié)果為

[[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]]

可以看得出來，雖然兩個矩陣相減，但是理應(yīng)為負值的元素卻像是取模了一般又變?yōu)榱苏龜?shù)（255+計算結(jié)果），導致這樣情況的原因其實是因為矩陣的元素類型有關(guān)。默認來說這樣的矩陣類型是uint8即無符號8bit整型，這樣進行相減當然得不出正確結(jié)果。

問題的解決

在查閱相關(guān)資料之后，發(fā)現(xiàn)可以通過設(shè)置其元素格式進行運算，從而規(guī)避了無負數(shù)結(jié)果的發(fā)生。

測試代碼如下：

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))

結(jié)果顯示為：

[[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.]]

綜上所述，在遇到矩陣不明數(shù)值類型的時候可以指定其類型，之后矩陣元素就會以這樣的數(shù)值類型進行計算。

以上這篇解決numpy矩陣相減出現(xiàn)的負值自動轉(zhuǎn)正值的問題就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: