相关问题在这篇博客中已经说得比较清楚:link
补充一个在函数中使用的例子:
import numpy as np
import cv2
def flip_transform(image, label):
for i in range(image.shape[2]):
image[:,:,i] = cv2.flip(image[:,:,i], 0)
label[:] = cv2.flip(label, 0)
return image, label
def flip_transform1(image, label):
for i in range(image.shape[2]):
image[:,:,i] = cv2.flip(image[:,:,i], 0)
label = cv2.flip(label, 0) # 不再是label[:],这种slice的形式了
return image, label
image = np.asarray([
[[1,2],
[3,4]],
[[5,6],
[7,8]]
])
label = np.asarray([[1,2],[3,4]])
'''
flip_transform(image,label)
print(image)
#array([[[5, 6],
[7, 8]],
[[1, 2],
[3, 4]]])
print(label)
#array([[3, 4],
[1, 2]])
'''
结果符合自己的想法,即相当与给flip_transform
传了实参,label,image 相当于指针,在函数内完成了np数组的改变,但如果调用flip_transform1
,结果则会是:
flip_transform1(image,label)
print(image)
#array([[[5, 6],
[7, 8]],
[[1, 2],
[3, 4]]])
print(label)
#array([[1,2],
[3,4]])
label却没有改变,原因可能是因为函数不能改变实参指针的值,只能改变指针指向元素的值。