Python 的“img_as_ubyte”和 Matlab 的“im2uint8”之间的区别

【问题标题】：Difference between Python's 'img_as_ubyte' and Matlab's 'im2uint8'Python 的“img_as_ubyte”和 Matlab 的“im2uint8”之间的区别
【发布时间】：2021-01-14 13:56:08
【问题描述】：

如果我理解得很好，Python 中 Matlab 的 im2uint8 对应的是 img_as_ubyte 来自 scikit-image

但是下面给出了不同的结果

Python 3.7:
--------
import skimage
from skimage.util import img_as_ubyte

img_as_ubyte([0.3]) # returns 76
print(skimage.__version__) # prints 0.16.2



Matlab (2017b):
--------
im2uint8([0.3]) % returns 77

如果重要的话，这是在 Windows 10 下

有什么想法吗？

【问题讨论】：

标签： python matlab image-processing scikit-image

【解决方案1】：

我不确定 Matlab 在做什么，但 scikit-image 乘以 255（uint8 的最大值），然后使用NumPy's default rounding 进行四舍五入，即"round to nearest, ties to even"。这里有一些实验应该可以澄清正在发生的事情：

In [10]: from skimage import util

In [11]: 0.3 * 255
Out[11]: 76.5

In [12]: np.round(76.5)
Out[12]: 76.0

In [13]: 77.5 / 255
Out[13]: 0.30392156862745096

In [14]: 0.30392156862745096 * 255
Out[14]: 77.5

In [15]: np.round(0.30392156862745096 * 255)
Out[15]: 78.0

In [16]: util.img_as_ubyte([0.30392156862745096])
Out[16]: array([78], dtype=uint8)

【讨论】：