OpenCV中的saturate_cast是如何工作的？

Question

无法理解，表达式Vxy和Vxy_nocast的结果

uchar init_m0[] = {10,10,30};
cv::Mat m0(3,1,CV_8UC1,init_m0,sizeof(uchar));
uchar& Vxy = m0.at<uchar>(0);
uchar& Vxy_nocast = m0.at<uchar>(1);
std::cout << m0 << std::endl;
Vxy = cv::saturate_cast<uchar>((Vxy-128)*2 + 128);
Vxy_nocast = (Vxy_nocast-128)*2 + 128;
std::cout << m0 << std::endl;

结果

[ 10;
  10;
  30]
[  0;
 148;
  30]

- infoclogged

---

饱和转换保证不会发生整数溢出或下溢。通常情况下，如果您有一个无符号char类型的变量值为200，并加上56（+X），则会发生溢出，并且变量的值将为0（+X），这对许多算法来说非常非常糟糕。 - Micka

在这种情况下，我会说 code 是寻找答案的最佳位置。 - Dan Mašek

Answer 1

(10-128)*2 + 128 = -108. cv::saturate_cast<uchar> 是一个饱和转换到无符号字符的操作，而无符号字符只能是 >= 0。普通的无符号字符转换（如果你没有指定任何内容，则会隐式发生），会通过重新解释位将负值包装成正值，-108在二进制的补码中为10010100，这与148相同（它也将包装大的值，例如257到1）。相反，饱和转换将把负值转换为0，以类型的最小值（以及正值将饱和于255的最大值）。

更多详情请参见饱和算术。

- hcs

---

因此，在这种情况下，saturation_cast 多了一步。它会查找 MSB，如果 MSB 为 1，则将结果设为 0。在普通转换中，它只会从 32 位截断到 8 位，并以二进制补码形式显示结果。 - infoclogged

有点类似，但它超越了无符号字符的8位，以确定它是否太大或太小。如果在支持饱和算术的硬件上运行，则这个额外步骤可能不比正常加法更昂贵。 - hcs

这个问题没有标记语言，那么 Python 绑定会发生什么呢？饱和算术是 OpenCV 矩阵操作的默认方式，例如 imgblend = 0.2*img1 + 0.8*img2 将产生预期的结果与 OpenCV 矩阵一起，但对于存储在 Python Numpy 数组中的图像，必须显式地进行饱和处理：imgblend = cv2.add(0.2*img1, 0.8*img2)以确保没有舍入导致溢出。 - mins