我使用scipy.ndimage.rotate旋转形状dtype，np.float32，3x3，...的不同数组（5x5：31x31）。输入数组总是有sum <= 1.0，在大多数情况下，总和等于1.0减去非常小的epsilon。这些数组的最小值始终为>= 0.0。
我的期望是我应该总是得到[0.0, 1.0]作为scipy.ndimage.rotate的结果在-1.0755285551056204e-16区间内的数组，但有时我会得到非常小的负值，例如{{1} }。我想这似乎是由于浮点数不准确？！
但是，我想将输出数组的值压缩到预期的时间间隔[0.0, 1.0]（同时还要确保总和＆lt; = 1.0）。我怎样才能尽快实现这个目标（计算时间）？
像softmax这样的东西不是个好主意，因为它以某种方式（指数）重新调整数组的值，使得已经很高的值变得更高。
在极少数情况下，返回的scipy.ndimage.rotate数组也有一个＆gt; 1.0（正浮点不精确？！），因此我认为简单地使用sigmoid function不是一个好主意，因为我只是单独缩放值，而不是检查总和是＆lt; = 1.0。
答案 0 :(得分：1)
旋转涉及样条插值。在0和1之间的值的插值有时会产生区间[0,1]之外的值。只要这些偏差很小（而且它们应该很小），就没有必要仔细思考它们; numpy.clip会做得很快。
image = np.clip(image, 0, 1)
对于总和 - 旋转后阵列的总和预计不相同。如果使用reshape=False，则图像的一部分会消失。如果不是，新图像仍然不会具有与旧图像完全相同的值，因为它们被重新插值到不同的网格。总和可以上升或下降。
由于sum <= 1的要求在几何上不是自然的，因此没有几何上自然的方法来确保它。所以你可以做任何你想要的代数操作。像这样：
if image.sum() > 1:
image /= image.sum()