python如何处理matlab的mat数据

import scipy

import scipy.io as sio
 
sio.loadmat(file_name, mdict=None, appendmat=True, **kwargs)
sio.savemat(file_name, mdict, appendmat=True, fORMat='5', long_field_names=False, do_compression=False, oned_as='row'

import scipy.io as sio
import numpy as np
 
x = np.ones((3,3))
 
x
Out[86]: 
array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])
 
sio.savemat('f.mat',x)
Traceback (most recent call last):
 
  File "<ipython-input-87-d739bc03c885>", line 1, in <module>
    sio.savemat('f.mat',x)

import scipy.io as sio
import numpy as np
 
x = np.ones((3,3))
 
x
Out[86]: 
array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])
 
sio.savemat('f.mat',{"x":x})
 
 
 
myMat =sio.loadmat('f.mat')
 
print(myMat) #输出为字典
{'__header__': b'MATLAB 5.0 MAT-file Platform: nt, Created on: Fri Aug 21 16:29:37 2020', '__version__': '1.0', '__globals__': [], 'x': array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])}
 
#以保存名为key，输出list value
print(myMat['x'])
[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]

＃　最初用loadmat读取数据
import numpy as np
from scipy.io mport loadmat
img = loadmat('im.mat')['im']   #im.mat为mat数据的名称，['im'] 中的im表示该文件下im的数据

import h5py
img = h5py.File('im.mat')['im']
img = h5py.File('im.mat'，'r')['im']    # 无警告

# python代码
import h5py
import numpy as np
img = h5py.File('im.mat')['im']
# python中的M，N刚刚好与matlab中的M，N取值相反，此处进行转置与matlab相同矩阵格式进行处理
x = np.array(img).T  
[M, N] = x.shape
if M < 16 and N < 16:
    score = -2
# Feature Extraction:
# 1. horizontal features
d_h = x[:, 1:N] - x[:, 0:N - 1]   # 该步操作图像产生满溢，溢出后差值可能都被赋为255，依次递减

% Matlab 代码
img = laod('im.mat')
[M, N] = size(x)
if M < 16 | N < 16
    score = -2;
end   
x = double(img);  % 将无符号类型uint8数据类型转换为double类型
% Feature Extraction:
% 1. horizontal features
d_h = x(:, 2:N) - x(:, 1:(N-1));

x = np.array(img,dtype = 'int8').T   # 对读取的uint8格式数据进行重新定义一下格式即可
x = np.array(img,dtype = 'float').T   # 下面这种格式虽然是浮点型，但是计算过程不容易出错，如果是上面的int8会出现部分错误，需要注意