Python 试图模糊图像的最高方差点，但代码中存在一些转换问题

我正在尝试从图像中模糊最大方差点。我在下面写了代码。第一部分查找图像的方差。我检查了图像的结果方差，结果是正确的。（我使用了Lena的图像）在第二部分中，我找到了最高的方差坐标，并发送到这个函数，该函数可以找到高斯模糊。当我执行这段代码时，它抛出

“C:\Tmp\blur\u highest\u variance.py”，第66行，单位为sigma=15）numpy.core.\u exceptions.ufunctype错误：无法使用强制转换规则“same\u kind”将ufunc“subtract”输出从dtype（'float64'）强制转换为dtype（'uint8'）

我尝试了一些类型之间的转换，但没有效果。你能告诉我一些方向吗

import numpy as np
import matplotlib.pylab as plt    
from skimage import measure
from PIL import Image, ImageChops
import math
import cv2
from skimage.morphology import rectangle
import skimage.filters as filters

######################Calculate Variance#######################
# Variance = mean of square of image - square of mean of image
# See # see https://en.wikipedia.org/wiki/Variance

# read the image
# convert to 16-bits grayscale since mean filter below is limited 
# to single channel 8 or 16-bits, not float
# and variance will be larger than 8-bit range
img = cv2.imread(r".\lena_std512_512.jpg", cv2.IMREAD_GRAYSCALE).astype(np.uint16)

# compute square of image
img_sq = cv2.multiply(img, img)

# compute local mean in 5x5 rectangular region of each image
# note: python will give warning about slower performance when processing 16-bit images
region = rectangle(10,10)
mean_img = filters.rank.mean(img, selem=region)
mean_img_sq = filters.rank.mean(img_sq, selem=region)

# compute square of local mean of img
sq_mean_img = cv2.multiply(mean_img, mean_img)

# compute variance using float versions of images
var = cv2.add(mean_img_sq.astype(np.float32), -sq_mean_img.astype(np.float32))

# compute standard deviation and convert to 8-bit format
std = cv2.sqrt(var).clip(0,255).astype(np.uint8)

# multiply by 2 to make brighter as an example
cv2.imwrite('lena_std_local_variance.jpg',std)    

#################Gaussian Blur Function###############
def gaussian_mask(x, y, shape, amp=1, sigma=15):
    """
    Returns an array of shape, with values based on

    amp * exp(-((i-x)**2 +(j-y)**2) / (2 * sigma ** 2))

    :param x: float
    :param y: float
    :param shape: tuple
    :param amp: float
    :param sigma: float
    :return: array
    """
    xv, yv = np.meshgrid(np.arange(shape[1]), np.arange(shape[0]))
    g = amp * np.exp(-((xv - x) ** 2 + (yv - y) ** 2) / (2 * sigma ** 2))
    return g

#################Find Gaussian Blur and Subtract###############

y, x = np.unravel_index(np.argmax(std), std.shape)       

std -= gaussian_mask(x, y,
                    shape=std.shape[:2],
                    amp=1,
                    sigma=15)

cv2.imwrite(r'.\gaussian\lena_std_local_variance.jpg',std)

---

错误消息告诉我们该行和错误原因：

回溯（最近一次呼叫最后一次）：
文件“C:\Tmp\blur\u highest\u variance.py”，第66行，以sigma=15表示）
numpy.core.\u exceptions.UFuncTypeError:无法使用强制转换规则“same\u kind”将ufunc的“subtract”输出从dtype（'float64'）强制转换为dtype（'uint8'）

使用中间变量调试代码更简单：
例如，使用名为

gmask

的中间代码：

gmask = gaussian_mask(x, y,
                      shape=std.shape[:2],
                      amp=1,
                      sigma=15)

print('gmask.dtype = ' + str(gmask.dtype))  # gmask.dtype = float64
print('std.dtype = ' + str(std.dtype))  # std.dtype = uint8

我们实际上不需要打印

dtype

，我们可以使用调试器，但打印可以说明错误的原因。
我们不能使用

-=

运算符从

uint8

中减去

float64

数组

使用

std=std-gmask

，不是错误，但结果类型为

float64

---

建议的解决办法：

将

gmask

转换为

uint8

并使用

cv2。减法
：

gmask = gaussian_mask(x, y,
                      shape=std.shape[:2],
                      amp=1,
                      sigma=15)

std = cv2.subtract(std, gmask.clip(0, 255).astype(np.uint8))

使用
cv2.subtract
是减去两个
uint8
矩阵的安全方法，因为它将结果剪辑为[0255]（包括溢出保护）


结果（
lena\u std\u local\u variance.jpg
）：

请复制粘贴完整的错误消息及其堆栈跟踪。如果我们知道问题发生在代码的哪一行，就更容易发现问题所在。回溯（最后一次调用）：文件“C:\Tmp\blur\u highest\u variance.py”，第66行，以sigma=15表示）numpy.core.\u exceptions.ufunctype错误：无法将ufunc“subtract”输出从dtype（'float64'）转换为dtype（'uint8'））随着施法规则“同类”@cris Luengo，大部分堆叠痕迹消失。请将您的问题包含在该信息中。由于@Rotem错误消失，但我仍然没有得到该特定坐标上的模糊部分。你能对此发表评论吗？非常感谢。它按照您的代码的预期工作得很好。还有一个问题，你知道为什么结果图像在点[418 124]处不模糊吗？这一点是y，x=np的结果。解开指数（np.argmax（std），std.shape），因此这一点是最高方差点。我应该用高斯遮罩函数模糊该点周围的图像。但当我在特定坐标下进行gmasking后检查图像时，图像与上面发布的相同。好像不行。不是吗？仅供参考：我从这个链接中获取了一些代码@Rotem我的意思是，当我从原始图像中减去高斯模糊部分时，就像我们在代码中所做的那样，我应该看到结果图像中的一些变化，不是吗？我对高斯参数做了一点修改，amp=5，sigma=30，但我并没有看到图片上有任何变化。根据理论我应该看到的是，坐标周围的区域应该比周围环境模糊得多@罗特米不知道。。。跟着数学走。这可能是因为您正在剪辑结果：
cv2.sqrt（var.clip（0255）
。一定有数学上的解释。您使用的是什么开发环境？使用调试器检查特定坐标的结果并不困难。在Spyder中，您可以在命令窗口中键入要计算的表达式。（我更喜欢PyCharm）。您可以使用Spyder一步一步地执行代码，并在任何需要的地方检查值。