Question

我想获取矩阵梯度，但结果不一致

g = img[0:3, 0:3]
gy, gx = np.gradient(g)
print gy,gx

arr=np.array([[138, 144, 141],[134, 135, 132],[137, 135, 133]])
gy, gx = np.gradient(arr)
print gy,gx

结果不同

数据类型：矩阵

gy = array（[[252。，247.，247.]，[127.5，123.5，124.]，[3.，0.，1.]]）

gx = array（[[6.，1.5，253.]，[1.，127.，253.]，[254.，126.，254.]]）

数据类型：array

gy = array（[[-4。，-9。，-9。]，[-0.5，-4.5，-4。]，[3.，0.，1.]]）

gx = array（[[6.，1.5，-3。]，[1.，-1。，-3。]，[-2。，-2。，-2。]]）

Answer 1

这实际上不是矩阵与数组的问题（尽管使用matrix是一个坏主意，并且可能导致其他问题）。您的img具有较小的dtype，可能是uint8，并且计算溢出。将其首先转换为浮动：

np.gradient(g.astype(float))

演示：

In [7]: arr=np.array([[138, 144, 141],[134, 135, 132],[137, 135, 133]])
In [8]: arr_uint8 = arr.astype('uint8')
In [9]: gx, gy = np.gradient(arr_uint8)
In [10]: gx
Out[10]: 
array([[ 252. ,  247. ,  247. ],
       [ 127.5,  123.5,  124. ],
       [   3. ,    0. ,    1. ]])
In [11]: arr_float = arr_uint8.astype(float)
In [12]: gx, gy = np.gradient(arr_float)
In [13]: gx
Out[13]: 
array([[-4. , -9. , -9. ],
       [-0.5, -4.5, -4. ],
       [ 3. ,  0. ,  1. ]])

数组和矩阵之间的numpy渐变不同

1 个答案: