本文共 1697 字，大约阅读时间需要 5 分钟。

欢迎学习交流！

个人网站：

邮箱：zengf.hou@bit.edu.cn

前言

由于matlab和python两种语言的编程方式不同，有时候在进行程序混编时，需要利用python调用matlab下的格式数据，下面介绍如何调用mat格式数据及常见错误解决方法，仅供参考！

一、数据读取错误

＃　最初用loadmat读取数据import numpy as npfrom scipy.io mport loadmatimg = loadmat('im.mat')['im']   #im.mat为mat数据的名称，['im'] 中的im表示该文件下im的数据

使用如上代码读取数据时，会出现如下错误：

如果出现以上错误，改用下面方式读取，

import h5pyimg = h5py.File('im.mat')['im']img = h5py.File('im.mat'，'r')['im']    # 无警告

二、数据类型错误（用Python处理图像时，若涉及加减运算，溢出差值被重新赋值255-0）

# python代码import h5pyimport numpy as npimg = h5py.File('im.mat')['im']# python中的M，N刚刚好与matlab中的M，N取值相反，此处进行转置与matlab相同矩阵格式进行处理x = np.array(img).T  [M, N] = x.shapeif M < 16 and N < 16:    score = -2# Feature Extraction:# 1. horizontal featuresd_h = x[:, 1:N] - x[:, 0:N - 1]   # 该步操作图像产生满溢，溢出后差值可能都被赋为255，依次递减

此种情况下，d_h数据会出现满溢情况，下面就是相同数据在python和matlab下面进行运算的差异性。

% Matlab 代码img = laod('im.mat')[M, N] = size(x)if M < 16 | N < 16    score = -2;end   x = double(img);  % 将无符号类型uint8数据类型转换为double类型% Feature Extraction:% 1. horizontal featuresd_h = x(:, 2:N) - x(:, 1:(N-1));

原因： 导入数据类型为 uint8 数据格式，该种格式下是没有负数的，在matlab中进行运算时，先将uint8数据类型转化为了double类型，然后进行了减法运算，所以会出现如上结果，但是在python中，由于没有double类型，所以需要自己手动设置数据格式类型，只需要改成不是uint8格式即可（具体格式需要根据需求，此处改成了int8格式类型）。解决方法非常简单，只需在上面的一行代码中加入数据类型即可：

x = np.array(img,dtype = 'int8').T   # 对读取的uint8格式数据进行重新定义一下格式即可x = np.array(img,dtype = 'float').T   # 下面这种格式虽然是浮点型，但是计算过程不容易出错，如果是上面的int8会出现部分错误，需要注意

现在看一下结果，就跟matlab处理结果一样了。

虽然下面是浮点型，但是能够保证数据转化的精度和准确性，img的影像数据转化成数值时不出错误，非必要情况下，不要使用int8数据格式，因为使用int8格式数据类型，会在某些部分出错，这一定要注意。（改组数据中（0，80）数值在int8格式转化时出错，原始数值为129，转化之后变成127，而使用float格式则不会出现错误） 原始数据unit8数据格式类型的数值为129，在python中不同格式类型的值就不一样。

所以uint8格式，在python运算中还是转换成float格式靠谱，转换成int8真的不行呀！