为什么 Python 会自动从图像数组中删除负值？

Question

我正在尝试在摄影师图像上应用以下卷积方法。 应用于图像的内核是一个填充了 -1/9 的 3x3 过滤器。 我在应用卷积方法之前打印了摄影师图像的值，我得到的都是正值。 接下来，当我在图像上应用 3x3 负核时，当我在卷积后打印摄影师图像的值时，我仍然得到正值。

卷积函数：

def convolve2d(image, kernel):
    # This function which takes an image and a kernel 
    # and returns the convolution of them
    # Args:
    #   image: a numpy array of size [image_height, image_width].
    #   kernel: a numpy array of size [kernel_height, kernel_width].
    # Returns:
    #   a numpy array of size [image_height, image_width] (convolution output).


    output = np.zeros_like(image)            # convolution output
    # Add zero padding to the input image
    padding = int(len(kernel)/2)
    image_padded=np.pad(image,((padding,padding),(padding,padding)),'constant')
    for x in range(image.shape[1]):     # Loop over every pixel of the image
        for y in range(image.shape[0]):
            # element-wise multiplication of the kernel and the image
            output[y,x]=(kernel*image_padded[y:y+3,x:x+3]).sum()        
    return output

这是我应用于图像的过滤器：

filter2= [[-1/9,-1/9,-1/9],[-1/9,-1/9,-1/9],[-1/9,-1/9,-1/9]]

最后，这些分别是图像的初始值和卷积后的值：

[[156 159 158 ... 151 152 152]
 [160 154 157 ... 154 155 153]
 [156 159 158 ... 151 152 152]
 ...
 [114 132 123 ... 135 137 114]
 [121 126 130 ... 133 130 113]
 [121 126 130 ... 133 130 113]]

卷积后：

[[187 152 152 ... 154 155 188]
 [152  99  99 ... 104 104 155]
 [152  99 100 ... 103 103 154]
 ...
 [175 133 131 ... 127 130 174]
 [174 132 124 ... 125 130 175]
 [202 173 164 ... 172 173 202]]

这就是我调用 convolve2d 方法的方式：

convolved_camManImage= convolve2d(camManImage,filter2)

Answer 1

这可能是由numpy dtype的工作方式引起的。 正如numpy.zeros_like的帮助所说：

返回与给定数组具有相同形状和类型的零数组。

因此，您的output可能是 dtype uint8 ，它使用模运算。 要检查是否是这种情况，请在output = np.zeros_like(image)行之后立即添加print(output.dtype)