使用两个 Numpy 数组执行数学运算 - 限制数量

Question

我有 2 个 Numpy 数组，我需要对它们执行一些基本的数学运算。
但由于最终 numpy 数组（名为 magnitude）的类型 (uint8)，我也不能让此操作的结果大于 255。任何想法？除了遍历数组...

# Notice that the data type is "np.uint8", also arrays are 2D
magnitude = np.zeros((org_im_width,org_im_height), dtype=np.uint8)

# "numpy_arr_1" and "numpy_arr_2" both of the same size & type as "magnitude"

# In the following operation, I should limit the number to 255
magnitude = ( (np.int_(numpy_arr_1))**2 + (np.int_(numpy_arr_2))**2 )**0.5

# The following doesn't work obviously:
# magnitude = min(255,((np.int_(numpy_arr_1))**2+(np.int_(numpy_arr_2))**2)**0.5)

Answer 1

首先，如果在 magnitude = ... 创建后赋值，您将在操作中用 obtianed 替换初始 uint8 数组，因此 magnitude 不再是 uint8。

无论如何，如果只是示例中的错误，要执行您想要的操作，您可以 clamp/clip 或 normalize 结果操作的值：

您可以找到 np.clip，它将数组的值限制为 min 和 max 值：

>>> magnitude = np.clip(operation, 0, 255)

其中 operation 是您计算的幅度。事实上，你可能想要的是：

>>> magnitude = np.clip(np.sqrt(a**2 + b**2), 0, 255).astype(np.uint8)

其中 a 和 b 分别是您的 np.int_(numpy_arr_1) 和 np.int_(numpy_arr_2)，为了便于阅读而重命名。

此外，在您的情况下，所有值都是正数，您可以将 np.clip 替换为 np.minimum:

>>> magnitude = np.minimum(np.sqrt(a**2 + b**2), 255).astype(np.uint8)

然而，这只是将矢量的幅度限制为 255（你想要的），但是对于更高幅度的 points，你将丢失大量信息。如果某个点的幅度为 1000，它将被限制为 255，因此在您的最终数组中 1000 = 255。幅度变化很大的两个点最终将具有相同的幅度（在这种情况下为 1000 和 255）。

为避免这种情况，您可以 normalize（重新缩放）您的震级范围至 [0, 255]。这意味着，如果在您的初始计算中，幅度数组在 [0, 1000] 范围内，请将其转换为 [0, 255]，因此 1000 之前将是 255 之后，但 255 现在将是 63（简单的线性缩放）。

>>> tmp = np.sqrt(a**2 + b**2).astype(float)
>>> magnitude = (tmp / tmp.max() * 255).astype(np.uint8)

tmp / tmp.max() 会将所有值重新缩放到 [0, 1] 范围（如果数组是浮点数），然后乘以 255，数组再次重新缩放到 [0, 255]。

如果您的震级下限不是 0，您可以执行从 [200, 1000] 到 [0, 255] 的 re-scale 以更好地代表您的数据：

>>> tmp = np.sqrt(a**2 + b**2).astype(float)
>>> tmax, tmin = tmp.max(), tmp.min()
>>> magnitude = ((tmp - tmin) / (tmax - tmin) * 255).astype(np.uint8)

使用两个 Numpy 数组执行数学运算 - 限制数量

Perform math opeartion with two Numpy array - limit the number

numpy