日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

python如何處理matlab的mat數據_python

作者：amcomputer ? 更新時間： 2022-07-04 編程語言

處理matlab的mat數據

python 和matlab是2個常用的實驗室平臺工具，在一些應用下，這2個不同平臺下的數據會打交道，因此如何讀取和保存顯得尤為重要，這里需要用到python的第三方平臺下的scipy模塊。

先用下面這個命令檢查是否下載好scipy

import scipy

如果報錯，用python install scipy 或者 conda install scipy 下載安裝

需要用到scipy中的輸入輸出類中的loadmat 和savemat方法：?

import scipy.io as sio
?
sio.loadmat(file_name, mdict=None, appendmat=True, **kwargs)
sio.savemat(file_name, mdict, appendmat=True, format='5', long_field_names=False, do_compression=False, oned_as='row'

下面介紹一個簡單的錯誤例子：（需要傳字典格式的參數）

import scipy.io as sio
import numpy as np
?
x = np.ones((3,3))
?
x
Out[86]:?
array([[1., 1., 1.],
? ? ? ?[1., 1., 1.],
? ? ? ?[1., 1., 1.]])
?
sio.savemat('f.mat',x)
Traceback (most recent call last):
?
? File "<ipython-input-87-d739bc03c885>", line 1, in <module>
? ? sio.savemat('f.mat',x)

下面介紹一個簡單的保存 導入例子：

import scipy.io as sio
import numpy as np
?
x = np.ones((3,3))
?
x
Out[86]:?
array([[1., 1., 1.],
? ? ? ?[1., 1., 1.],
? ? ? ?[1., 1., 1.]])
?
sio.savemat('f.mat',{"x":x})
?
?
?
myMat =sio.loadmat('f.mat')
?
print(myMat) #輸出為字典
{'__header__': b'MATLAB 5.0 MAT-file Platform: nt, Created on: Fri Aug 21 16:29:37 2020', '__version__': '1.0', '__globals__': [], 'x': array([[1., 1., 1.],
? ? ? ?[1., 1., 1.],
? ? ? ?[1., 1., 1.]])}
?
#以保存名為key，輸出list value
print(myMat['x'])
[[1. 1. 1.]
?[1. 1. 1.]
?[1. 1. 1.]]

如果想把python數據保存為mat數據，則需要cell格式數據，而python沒有實現cell，因此需要用到numpy模塊，可以看這篇博客。

處理matlab的*.mat格式數據及常見錯誤匯總

由于matlab和python兩種語言的編程方式不同，有時候在進行程序混編時，需要利用python調用matlab下的格式數據，下面介紹如何調用mat格式數據及常見錯誤解決方法，僅供參考！

一、數據讀取錯誤

＃　最初用loadmat讀取數據
import numpy as np
from scipy.io mport loadmat
img = loadmat('im.mat')['im']   #im.mat為mat數據的名稱，['im'] 中的im表示該文件下im的數據

使用如上代碼讀取數據時，會出現如下錯誤：

在這里插入圖片描述

如果出現以上錯誤，改用下面方式讀取，

import h5py
img = h5py.File('im.mat')['im']
img = h5py.File('im.mat'，'r')['im']    # 無警告

二、數據類型錯誤

（用Python處理圖像時，若涉及加減運算，溢出差值被重新賦值255-0）

# python代碼
import h5py
import numpy as np
img = h5py.File('im.mat')['im']
# python中的M，N剛剛好與matlab中的M，N取值相反，此處進行轉置與matlab相同矩陣格式進行處理
x = np.array(img).T  
[M, N] = x.shape
if M < 16 and N < 16:
    score = -2
# Feature Extraction:
# 1. horizontal features
d_h = x[:, 1:N] - x[:, 0:N - 1]   # 該步操作圖像產生滿溢，溢出后差值可能都被賦為255，依次遞減

此種情況下，d_h數據會出現滿溢情況，下面就是相同數據在python和matlab下面進行運算的差異性。

在這里插入圖片描述

% Matlab 代碼
img = laod('im.mat')
[M, N] = size(x)
if M < 16 | N < 16
    score = -2;
end   
x = double(img);  % 將無符號類型uint8數據類型轉換為double類型
% Feature Extraction:
% 1. horizontal features
d_h = x(:, 2:N) - x(:, 1:(N-1));

在這里插入圖片描述

原因： 導入數據類型為 uint8 數據格式，該種格式下是沒有負數的，在matlab中進行運算時，先將uint8數據類型轉化為了double類型，然后進行了減法運算，所以會出現如上結果，但是在python中，由于沒有double類型，所以需要自己手動設置數據格式類型，只需要改成不是uint8格式即可（具體格式需要根據需求，此處改成了int8格式類型）。解決方法非常簡單，只需在上面的一行代碼中加入數據類型即可：

x = np.array(img,dtype = 'int8').T   # 對讀取的uint8格式數據進行重新定義一下格式即可
x = np.array(img,dtype = 'float').T   # 下面這種格式雖然是浮點型，但是計算過程不容易出錯，如果是上面的int8會出現部分錯誤，需要注意

現在看一下結果，就跟matlab處理結果一樣了。

在這里插入圖片描述

雖然下面是浮點型，但是能夠保證數據轉化的精度和準確性，img的影像數據轉化成數值時不出錯誤，非必要情況下，不要使用int8數據格式，因為使用int8格式數據類型，會在某些部分出錯，這一定要注意。（改組數據中（0，80）數值在int8格式轉化時出錯，原始數值為129，轉化之后變成127，而使用float格式則不會出現錯誤）

在這里插入圖片描述

原始數據unit8數據格式類型的數值為129，在python中不同格式類型的值就不一樣。

在這里插入圖片描述

所以uint8格式，在python運算中還是轉換成float格式靠譜，轉換成int8真的不行呀！

原文鏈接：https://blog.csdn.net/qq_39463175/article/details/108149649

欄目分類
最近更新