Python numpy.einsum在cv2加载的阵列上的作用是否不同？

einsum的函数表示
np.einsum（'ij->i'，a）
函数类似于
np.sum（a，axis=1）
。下面，示例1证实了这一点，而示例2则反驳了这一点。知道我做错了什么吗

实验一

将numpy导入为np
a=np.arange（25）。重塑（5,5）
b1=np.einsum（'ij->i'，a）#数组（[10,35,60,85,110]）
b2=np.sum（a，axis=1）#数组（[10,35,60,85,110]）

实验2

将numpy导入为np
进口cv2
img_path=“path/to/an/image.png”
im=cv2.imread（img_路径，cv2.imread_灰度）#类型：numpy.ndarray
n1=np.einsum（'ij->i'，im）
n2=np.和（img，轴=1）
#表明他们是不同的。
打印（np.max（n1），np.max（n2））#输出：255 119630

为什么
n1
和
n2
不相同（如
max
值所示）？
加载cv2（和PIL）的图像将为
uint8
类型。与其他类型相比，类型内的计算结果可能不相同

>>> np.uint8(255) + np.uint8(1)
0
>>> np.int32(255) + np.int32(1)
256

np.arange
默认情况下创建类型为
int32
的数组，因此不存在任何问题。但是

a = np.arange(64, dtype=np.uint8).reshape(8, 8)
b1 = np.einsum('ij->i', a)
b2 = np.sum(a, axis=1)
print(b1 == b2)

印刷品

[ True  True  True  True False False False False]

请注意，
np.sum
转换引擎盖下的类型，以便可以容纳不受较短类型限制的添加。这并不是说，如果必须处理其支持范围之外的值，则
uint32
不会出现问题，但可能性较小

>>> np.sum(np.uint8([1, 2])).dtype
dtype('uint32')

只要确保您使用的数据类型不会因您的特定问题而遇到任何问题

img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE).astype(np.uint32)  # or np.int32
print(np.all(n1 == n2))   # this should now be true

如前所述，如果不知道
img\u路径
，任何人都无法复制这一点。事实上，看起来您的第二个代码块中有一个输入错误：
im
/
img
。如果你能在你的问题主体中提供一个较小的、可复制的这种效果的例子，那就太好了。即使只是打印
img
的形状也能提供信息。@NicholasM，谢谢。我做了一些改变。它是可复制的；但是，用户需要在其本地计算机中使用映像。形状取决于加载的图像。如果有帮助的话，我的是一个512X512图像，它变成了一个相同形状的2d矩阵。很有趣。谢谢你详细的回答。