同形uint8二维数组计算normalized difference index结果与手动计算不一致

核心问题根源 #

你遇到的异常结果是无符号整数溢出导致的，属于NumPy数组数值类型的基础特性：

• 你的b8、b11数组都是uint8类型，也就是无符号8位整数，合法取值范围为0~255，不支持存储负数
• 直接做减法b8 - b11时，如果结果为负会触发溢出回绕：例如你手动计算的42-77=-35，在uint8运算中实际得到的结果是256 - 35 = 221
• 最终221 / (42+77) = 221 / 119 ≈ 1.857，和你得到的异常值完全吻合

解决方法 #

计算前先将数组转换为支持负数的数值类型（比如浮点型、有符号整型）即可，示例代码如下：

import numpy as np

# 先转换为float32类型再执行计算
b8_float = b8.astype(np.float32)
b11_float = b11.astype(np.float32)
normalized_diff = (b8_float - b11_float) / (b8_float + b11_float)

额外优化建议 #

如果你的数组中存在b8和b11同时为0的像素，直接计算会出现除零错误得到nan，可以额外加判断处理这种边界情况：

sum_arr = b8_float + b11_float
# 除零位置默认赋值为0，可根据需求调整
normalized_diff = np.where(sum_arr == 0, 0, (b8_float - b11_float) / sum_arr)

内容的提问来源于stack exchange，提问作者Reut