Matlab与Python中HDR成像imread及sample函数结果差异问询

一、Matlab代码的具体含义 #

先拆解你给出的Matlab代码片段：

redChannel = image(:,:,1); 
red = redChannel(sampleIndices);

1. redChannel = image(:,:,1);
   Matlab中读取的图像默认是RGB通道顺序（尺寸为「高度×宽度×3」），这行代码的作用是提取图像的红色通道：

• :代表取对应维度的所有元素，所以image(:,:,1)就是取图像所有行、所有列的第1个通道（红色通道），最终得到一个2维矩阵（尺寸和原图像的高×宽一致）。

2. red = redChannel(sampleIndices);
   这行是对红色通道矩阵进行采样操作：

• sampleIndices是一个1维索引数组，Matlab中矩阵的线性索引遵循列优先规则（即先遍历第一列的所有行，再遍历第二列，以此类推）。比如一个M行N列的矩阵，位置(i,j)对应的线性索引是(j-1)*M + i。
• 这行代码会把redChannel中所有对应sampleIndices索引位置的像素值提取出来，最终得到一个1维的采样值数组。

二、为什么Python中red_channel = image[:, :, 1]结果不同？ #

问题出在通道顺序的差异：

• OpenCV的cv2.imread()函数读取图像时，默认返回的是BGR通道顺序（尺寸为「高度×宽度×3」），也就是第0通道是蓝色，第1通道是绿色，第2通道是红色。
• 而Matlab中image(:,:,1)对应红色通道，换到Python/OpenCV里应该写image[:, :, 2]——这就是你结果不一致的核心原因！

三、Python中对应red = redChannel(sampleIndices)的写法 #

需要注意Matlab和Python的索引规则差异：Matlab是列优先线性索引，Python默认是行优先（C风格）线性索引，同时Matlab索引从1开始，Python从0开始，要针对性处理：

情况1：sampleIndices是Matlab格式的线性索引 #

如果你的sampleIndices是直接从Matlab代码中沿用的列优先线性索引，需要转换索引逻辑并适配0起始规则：

import numpy as np

# 先提取正确的红色通道（OpenCV是BGR，所以取第2通道）
red_channel = image[:, :, 2]

# 将通道矩阵按列优先扁平化，再用转换后的索引取值
# Matlab是1起始索引，Python是0起始，所以要减1
red = red_channel.flatten(order='F')[sampleIndices - 1]

解释：

• flatten(order='F')：将2维矩阵按列优先（Fortran风格）扁平化，和Matlab的线性索引逻辑完全匹配；
• sampleIndices - 1：完成从Matlab1起始到Python0起始的索引偏移。

情况2：sampleIndices是坐标形式（如[N,2]的行、列索引） #

如果sampleIndices存储的是(行号, 列号)的坐标对，直接用花式索引即可：

# 假设sampleIndices是二维数组，每行对应(Matlab行号, Matlab列号)
rows = sampleIndices[:, 0] - 1  # 转换为Python的0起始行索引
cols = sampleIndices[:, 1] - 1  # 转换为Python的0起始列索引
red = red_channel[rows, cols]

总结 #

• 通道顺序：Matlab图像是RGB，OpenCV是BGR，通道索引要对应调整；
• 索引规则：Matlab列优先线性索引，Python默认行优先，需用flatten(order='F')匹配；
• 索引起始：Matlab从1开始，Python从0开始，记得做减1偏移。

内容的提问来源于stack exchange，提问作者Busofyan