Python 将int16 numpy阵列扩展为int8 numpy阵列的有效方法是什么

我试图找到一种有效的方法，使用特定的缩放函数将2字节（-32K->+32K）numpy int数组缩放到8位（0->255）。 最低效的方法是（其中minVal和maxVal是原始2字节numpy数组中的最小值和最大值，原始数组中的paddingVal将设置为0）：

我不知道如何避免循环，仍然做如果。。。并应用缩放函数

thx

试试：

byte_array[i] = (((val << 16) >> 8) & 0xFF0000) >> 16

byte_数组[i]=（（val>8）和0xFF0000）>>16

---

它假设val是0到65535之间的32位整数，您可以使用掩码从numpy的矢量化（隐式循环）中获益，这将更快：

mask = pixel_array == paddingVal
byte_array[mask] = 0
byte_array[~mask] = np.round(255.0 * (pixel_array[~mask] - minVal) / (maxVal - minVal - 1.0))

也可以这样做，这样更干净，因为您不必事先创建

字节数组

：

byte_array = np.round(255.0 * (pixel_array - minVal) / (maxVal - minVal - 1.0)).astype(np.uint8)
byte_array[pixel_array == paddingVal] = 0

---

编辑：正如Joe Kington在对问题的评论中指出的那样，这是以内存换取速度。

val在本例中是一个负符号16位int，因此上面的方法无法解决问题。在任何情况下，性能与原来的性能都没有根本的不同。我认为，无论如何，必须摆脱显式循环。@thefog您可以在中转换32位将

-32768

和

32767

之间的整数转换为32位整数，该整数将在

0

和

65535

之间，使用

（int+0x10000）和0xFFFEFFFF

。这意味着在缩放

-1

后（因为它在2的补码中的位是满的）变成

255

等等。@它避免了浮点运算、乘法和对舍入的调用。我想如果代码执行相同的操作，代码不会运行得太接近硬件：PJust仅供参考：绝对不需要循环。如果内存不紧，只需执行

字节数组=（255.0*（pixel_array-minVal）/（maxVal-minVal-1.0））.astype（np.uint8）

。之后可以使用

字节数组[pixel_array==paddingVal]设置“padding”值=0

。虽然内存效率不高，但速度会比您当前所做的快得多。好吧，这肯定快得多。很好，python是多么紧凑。正如前面警告您的那样，我在注释中发布的版本隐式地占用了值的底部，而不是四舍五入。如果您不介意的话，它比调用快一点ing

numpy.round

，但它与您的原始代码不同（@jorgeca的答案应该会给出与您的原始解决方案相同的结果）。由于出现错误，因此失败了。我尝试了类似的方法，得到了：byte_array[~mask]=round（255.0*（pixel_array[~mask]-minVal）/（maxVal-minVal-1.0））TypeError：只有长度为1的数组才能转换为Python标量对不起，

round

是一个内置的Python，只适用于标量。我会解决这个问题。

byte_array = np.round(255.0 * (pixel_array - minVal) / (maxVal - minVal - 1.0)).astype(np.uint8)
byte_array[pixel_array == paddingVal] = 0