将int16 numpy数组扩展到int8 numpy数组的有效方法是什么

Question

我正在寻找一种有效的方法，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）。 非常低效的方法是（其中minVal和maxVal是原始2字节numpy数组中的最小值和最大值，而原始数组中的paddingVal将设置为0）：

...

pixel_array = np.zeros( length, dtype=np.int16)
byte_array = np.zeros( length, dtype=np.uint8)

....

i = 0
for val in np.nditer(pixel_array):
    value = 0.0
    if val == paddingVal:
        byte_array[i] = 0
    else:
        value = 255.0 * ( val - minVal ) / (maxVal - minVal - 1.0)    
        byte_array[i] = (round(value))
    i += 1  

我不知道如何避免这个循环，但仍然做如果。。。并应用缩放函数。在

泰铢

Answer 1

尝试：

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

它假设val是介于0和65535之间的32位整数

Answer 2

您可以使用遮罩从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byte_array：

^{pr2}$

编辑：正如joekington在一篇关于这个问题的评论中所指出的，这是用内存来换取速度的。在