python numpy

目录

 1. array & ndarray 2. 图像线性拉伸 3. tuple & list

---

| array & ndarray

---

▶  numpy 返回值 ndarray 支持多维数组 区别于python array包中自带的array      

▶  float16，,  网上说法：1 个符号位，5 个指数位，10 个尾数位，不对。溢出时显示

np.finfo(np.float16)
# output : finfo(resolution=0.001, min=-6.55040e+04, max=6.55040e+04, dtype=float16)

| 图像的灰度线性拉伸

---

numpy.array(arr, dtype=np.uint8)  如果arr中大于 则会作取余操作：arr.element % 256，例如256变成0，1000变成232， 另外，numpy.astype()以及np.uint8()，都不支持取值范围变换。

只能手动转，比如uint16转为uint8，

▶  读取图像最大最小值，计算缩放因子和位移值，如果按照uint16计算最值，则图像失真，应当按照图像实际最值实现线性拉伸 

import numpy as np
import rasterio

img = rasterio.open(path)
bgr = img.read([1,2,3])
bgr_min = bgr.min()
bgr_max = bgr.max()

scale = (math.pow(2,8)-1) / (bgr_max - bgr_min)
bgr_scale = (bgr - bgr_min) * scale
bar_uint8 = np.uint8(bgr_scale)

▶  计算后的图像为float64，转为uint8，采用np.uint8()，而不是astype()，验证发现后者计算会出现偏差，前者直接截断式转化，如98.7232——>98，正是我们想要的效果

▶  也可以按照2倍标准差拉伸

def scaleStd(img):
    copy = img.copy()  # 避免修改原图像

    for i in range(0,copy.shape[-1]):
        b = np.float64(copy[:,:,i]) # float16在计算mean和std的sum时会溢出 得到inf值
        mean = np.nanmean(b)
        std = np.nanstd(b)
        b = (b - (mean - std * 2)) / ((mean + std *2)-(mean - std *2)) * 255 + 0

        # [0,255]范围外的设置为端点值 否则np.uint8()会取余
        b[np.where(b < 0.0)] = 0  
        b[np.where(b > 255.0)] = 255
        copy[:, :, i] = np.uint8(b)
        print(f"mean:{mean} std:{std}")
    
    return copy

| tuple & list

---

▶  不同点：前者不可变，支持多值接收，如(x,y) = tuple；后者可变，更加灵活，支持对列表的增删查改；两者可以互相嵌套，tuple嵌套list时，可以修改list中的值。

▶  相同点：支持索引取值和切片操作