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