python - 将 NumPy float 转换为整数而不损失精度

Question

我正在使用 Python 中的 OpenCV 研究视觉算法。它的一个组件需要比较颜色空间中的点，其中 x 和 y 组件不是整数。我们的点列表存储为 dtype = float64 的 ndarray，我们的数字范围从 -10 到 10 给或取。

我们的部分算法涉及在此空间中的某些点上运行凸包，但 cv2.convexHull() 需要 dtype = int 的 ndarray。

鉴于我们正在比较的值的范围很窄，简单的截断会导致我们丢失大约 60 位的信息。有没有办法让 numpy 直接将 float 数组解释为 int 数组？由于比例没有意义，我希望考虑所有 64 位。

是否有任何定义的方法来将 numpy float 中的指数与尾数分开，而无需对每个元素进行按位提取？

Answer 1

“我们的部分算法涉及在此空间中的某些点上运行凸包，但 cv2.convexHull() 需要 dtype = int 的 ndarray。”

cv2.convexHull() 也接受带有 float32 数字的 numpy 数组。

尝试使用 cv2.convexHull(numpy.array(a,dtype = 'float32'))其中 a 是维度 n*2 的列表(n = 点数)。