MATLAB typecast函数的Python等价实现：size数组转uint8结果差异求解

你遇到的两边转换不一致，根源是操作的原始对象数据类型完全不同，而非typecast和NumPy视图的逻辑差异：

• MATLAB中size()函数返回的维度数组，默认数据类型为双精度浮点数（double/float64），并非64位整数
• 你在Python测试时，手动将[1,34]存为了np.int64类型，两类数据在内存中的二进制表示完全不同，自然转换后的uint8序列差异极大

MATLAB的typecast(x, 'uint8')操作有两个固定行为，和NumPy的视图机制可以完全等价对应：

• 不修改输入变量在内存中的原始二进制位，不做任何数值转换、缩放或位运算
• 直接将内存中的连续字节块，按照低内存地址到高内存地址的顺序，逐字节读取为uint8类型返回，不主动做字节序翻转

结合你给出的输出结果，可以反向验证这一逻辑：

• 1.0的IEEE754双精度标准十六进制表示为0x3FF0000000000000，在x86（小端）架构下，内存中从低到高的字节序列为[0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0xF0, 0x3F]，转成十进制就是MATLAB输出的前8个值0 0 0 0 0 0 240 63
• 34.0的IEEE754双精度十六进制表示为0x4041000000000000，小端内存中的字节序列为[0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x41, 0x40]，转成十进制就是MATLAB输出的后8个值0 0 0 0 0 0 65 64

要获得和MATLAB完全一致的转换结果，只需要还原MATLAB操作的原始对象类型，再通过NumPy的视图机制转成uint8即可：

import numpy as np
# 1. 还原MATLAB中size()返回的对象：值为[1,34]的float64数组（替换之前测试用的int64类型）
matlab_size_output = np.array([1, 34], dtype=np.float64)
# 2. 用uint8视图重新解释内存，行为和MATLAB typecast完全一致
equivalent_result = matlab_size_output.view(np.uint8)

运行上述代码得到的结果为：

array([  0,   0,   0,   0,   0,   0, 240,  63,   0,   0,   0,   0,   0,
         0,  65,  64], dtype=uint8)

和MATLAB的输出完全匹配。

常见注意事项 #

• 不要混淆视图转换与类型转换：NumPy中astype(np.uint8)会做数值层面的转换（比如把float64的1.0转成uint8的1），和typecast的二进制重解释逻辑完全不同
• 跨架构兼容问题：如果是在大端架构的设备上运行，需要额外调用.byteswap()翻转字节顺序，才能和MATLAB的输出对齐；日常使用的x86/x64架构均为小端，无需额外处理
• 如果MATLAB操作中显式将size结果转成整数类型（比如int64(size(Data))），Python侧只需要同步将原始数组的dtype改为np.int64，再做视图转换即可保持结果一致

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