MATLAB转Python图像分形维数盒计数代码报错，var1、var2部分问题求助

var1、var2相关代码段的核心问题 #

该段的报错和逻辑问题来自三个方面：

1. 代码中使用了全角乘号∗，属于非法字符，直接触发found bad_character报错，替换为半角乘号*即可解决
2. minCol的计算逻辑错误，误用了boxrow的偏移量，应该使用boxcol-1作为偏移计算参数，否则列索引逻辑完全错误
3. 计算得到的minRow、maxRow、minCol、maxCol都是浮点类型，无法直接作为range参数和数组索引，需要强制转为整数

全部报错点汇总 #

• 全角符号问题：除了全角乘号，还有全角减号−、全角单引号’，全部替换为半角符号即可解决语法类报错
• API调用错误：
  • cv2.imread()必须传入图像路径参数，留空会报错
  • 图像维度获取写法错误，应为h, w, c = I.shape，不是I.cv2.shape
  • Numpy没有padarray方法，对应填充功能使用np.pad实现，参数格式需要匹配Python接口要求
  • np.zeros初始化需要传入形状元组，比如np.zeros((1, int(power)))，不能用逗号分隔两个参数
  • 数组元素访问使用方括号[]，不是MATLAB风格的圆括号()，I(row,col)要改为binaryIm[row, col]（注意这里应该用二值图判断，不是原图）
  • cv2.threshold的最大阈值参数应为255，8位灰度图最大值为255，传256会导致阈值逻辑错误
• 逻辑流程错误：
  • 维度计算时power是浮点类型，需要转整数才能用于指数、数组初始化等场景
  • 填充尺寸计算错误，padRow = int(lengthNum - h)、padCol = int(lengthNum - w)，不能直接减I.shape三元组
  • 盒计数统计值、尺度值没有存入对应数组，boxNum、scale的更新逻辑放在了循环外部，导致统计数组全为0，后续拟合报错
  • Python为0基索引，原MATLAB的1基索引要对应调整，避免索引越界

修正后完整可运行代码 #

import numpy as np
import math as mt
import cv2

# 替换为你的实际图像路径
I = cv2.imread("your_image_path.png")
h, w, c = I.shape

largerLength = max(h, w)
power = int(np.ceil(mt.log2(largerLength)))
lengthNum = 2 ** power

# 转为二值图
grayIm = cv2.cvtColor(I, cv2.COLOR_BGR2GRAY)
ret, binaryIm = cv2.threshold(grayIm, 125, 255, cv2.THRESH_BINARY)

# 计算填充尺寸，将图像补为边长等于lengthNum的正方形
padRow = lengthNum - h
padCol = lengthNum - w
# 后向填充0，对应MATLAB的post padding逻辑
padded_bin = np.pad(binaryIm, ((0, padRow), (0, padCol)), mode='constant', constant_values=0)

boxCountstore = np.zeros((1, power))
scalestore = np.zeros((1, power))
boxNum = 1

for i in range(power):
    boxCount = 0
    box_size = int(lengthNum / boxNum)
    # 遍历所有盒子
    for boxrow in range(boxNum):
        for boxcol in range(boxNum):
            # 计算当前盒子的索引范围
            minRow = boxrow * box_size
            maxRow = minRow + box_size
            minCol = boxcol * box_size
            maxCol = minCol + box_size
            # 直接用numpy接口判断盒子内是否有目标像素，比嵌套循环效率高很多
            contain = np.any(padded_bin[minRow:maxRow, minCol:maxCol] > 0)
            if contain:
                boxCount += 1
    # 存储当前尺度和对应盒计数
    scalestore[0, i] = 1 / box_size
    boxCountstore[0, i] = boxCount
    # 更新下一轮的盒子数量
    boxNum *= 2

# 最小二乘拟合log-log曲线，斜率即为分形维数
coeffs = np.polyfit(np.log(scalestore[0]), np.log(boxCountstore[0]), 1)
FD = coeffs[0]
print("分形维数计算结果：", FD)

内容的提问来源于stack exchange，提问作者MadLabMatLab