大佬教程收集整理的这篇文章主要介绍了Numpy 溢出 np.divide()。运行时警告:在 ushort_scalars 中遇到溢出,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
我在 2 个图像上运行以下代码:
ndvi = np.divIDe(img8 - img4,img8+img4)
invalID = (ndvi > 1).any()
if invalID:
print("StopPing Execution")
print(ndvi)
img8
和 img4
是 2 张图像,并且都是正值。
ndvi
是 (img8-img4)/(img8+img4)
因此,根据定义,ndvi 的所有元素都应介于 -1 和 1 之间。 但我得到了一些值>1
这个上下文中所有变量的dtypes都是'uint16'
当我检查无效值的索引并运行单个代码时:
temp = (img8[88][118]-img4[88][118])/(img8[88][118]+img4[88][118])
我收到以下警告:
<stdin>:1: RuntimeWarning: overflow encountered in ushort_scalars
值是: img8[88][118] = 1462 img4[88][118] = 1652
值本身并不会很大导致溢出,但是当数组大小变大时就会发生溢出。
当小数减去大数且两者都是unitXX
时,会溢出(实际上是underflow),结果是负数的模XX,即是一个很大的数字。
这是因为 uint
不能表示负数,而是包含一个很大的正数。
这个模实际上是将 maxint (==65535) 添加到负数
在这种情况下,对于您指定的索引,
img8[88][118]-img4[88][118] == 1462 - 1652 == -190 == 65535 - 190 = 65345
除以 1462 + 1652 == 3114
得到 20.984264611432241490044958253051
解决方案:
Convert the dtypes to float 在分割之前,通常使用浮点数来处理图像,而不是 uint。
浮点数(通常)没有简单减法的下溢问题,因为它们被构建为也表示负数。
也可以使用 int
而不是 uint
,但为了自己的利益坚持使用浮动。
以上是大佬教程为你收集整理的Numpy 溢出 np.divide()。运行时警告:在 ushort_scalars 中遇到溢出全部内容,希望文章能够帮你解决Numpy 溢出 np.divide()。运行时警告:在 ushort_scalars 中遇到溢出所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。