Numpy 溢出 np.divide()。 RuntimeWarning：ushort_scalars 中遇到溢出

Question

我是运行 2 张图片上的以下代码：

ndvi = np.divide(img8 - img4, img8+img4)

invalid = (ndvi > 1).any()
if invalid:
    print("Stopping Execution")
    print(ndvi)

img8 和 img4 是 2 张图像，并且都具有正值。 ndvi 是 (img8-img4)/(img8+img4)

因此，根据定义，ndvi 的所有元素都应介于 -1 和 1 之间。但我得到一些值>1

本文中所有变量的数据类型为'uint16'

当我检查无效值的索引时，运行个人代码：

temp = (img8[88][118]-img4[88][118])/(img8[88][118]+img4[88][118])

我收到以下警告：

<stdin>:1: RuntimeWarning: overflow encountered in ushort_scalars

值为： img8[88][118] = 1462 img4[88][118] = 1652

值本身不会大到导致溢出，但是当数组大小变大时就会发生溢出。

Answer 1

当一个小数减去一个大数并且两者都是unitXX时，你会得到一个溢出（真的，一个underflow），结果是负数的模XX , 这是一个很大的数字。
这是因为 uint 不能表示负数，而是一个很大的正数。

这个模实际上是将maxint(==65535)加到负数

在这种情况下，对于您指定的索引，

img8[88][118]-img4[88][118] == 1462 - 1652 == -190 == 65535 - 190 = 65345

除以 1462 + 1652 == 3114 得到 20.984264611432241490044958253051

解决方案：

Convert the dtypes to float 在划分之前，通常使用浮点数处理图像，而不是 uint。

浮点数（通常）不存在简单减法的下溢问题，因为它们被构建为也表示负数。

也可以使用 int 而不是 uint，但为了您自己的利益，请坚持使用浮动。

Numpy overflow with np.divide(). RuntimeWarning: overflow encountered in ushort_scalars