使用两个Numpy数组执行数学运算-限制数量

我有两个Numpy数组，需要对它们执行一些基本的数学运算。
但是，由于最后一个numpy数组（名为

magnity

）的类型（

uint8

），我也不能使此操作的结果大于255。有什么想法吗？除了遍历数组之外

# 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)

---

首先，如果在创建后指定

magnity=…

，则将用操作中获得的数组替换初始uint8数组，因此magnity将不再是uint8

无论如何，如果示例中只是一个错误，要执行您想要的操作，您可以

钳制/剪裁

或

规范化

结果操作的值：

您可以找到将数组的值限制为

min

和

max

值的原因：

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

其中运算是您计算的量值。事实上，您可能想要的是：

>>> 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\u arr\u 1）

和

np.int（numpy\u arr\u 2）

，为便于阅读而重命名

此外，与您的情况一样，所有值均为正值，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，这只是将向量的大小限制为255（您想要的），但是对于更高大小的

点

，您将丢失大量信息。如果某个点的幅值为1000，它将被钳制为255，因此在最终数组中

1000=255

。震级变化较大的两个点最终将具有相同的震级（本例中为1000和255）

为了避免这种情况，您可以（重新缩放）震级范围至

[0255]

。这意味着，如果在初始计算中，震级数组在范围

[0，1000]

内，则将其转换为

[0，255]

，因此

1000

之前将是

255

之后，但

255

之前现在将是

63

（简单线性缩放）

tmp/tmp.max（）

如果震级的较低范围不是
0
，则可以执行从
[200，1000]
到
[0，255]
的操作，以更好地表示数据：

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

1.为什么选择使用
np.sqrt
而不是
**0.5
？2.关于信息丢失-我理解-我的目标是Numpy数组中的数据最终将成为
uint8
，而忽略信息丢失。3.我不能执行线性缩放！它将更改不高于255的其他值。我的目标是执行该数学运算，并确保只有超过255的值才会更改为255。这是因为我的最终Numpy数组应该包含其类型为
uint8
的数据。谢谢
np.sqrt
和
**0.5
执行相同的操作，并且两者都有效。我更喜欢
np.sqrt
，因为它更具可读性。由于我不知道你手术的最终目标，我试图展示所有可能的选择<代码>np。最小值应适用于您。这不起作用：如果
a
和
b
是数据类型
uint8
，当您执行
a**2+b**2
时，任何超过
255的结果将溢出，并且只保留LSB位，例如，如果您有
a=np.array（[15,17]，dtype=np.uint8）
然后
a**2
计算为
数组（[225,33]，dtype=uint8）
，其中
33=17*17%256
。因此，除非在执行操作之前将原始数组转换为
float
dtype，否则您正确解释的剪辑无效。在这种情况下，您只需要像问题中的OP那样将
a
和
b
转换为
int
。我只是假设。编辑以澄清。
>>> tmp = np.sqrt(a**2 + b**2).astype(float)
>>> tmax, tmin = tmp.max(), tmp.min()
>>> magnitude = ((tmp - tmin) / (tmax - tmin) * 255).astype(np.uint8)