scikit-image中local_minima函数在numpy 2.0.2下的数值稳定性问题分析

问题背景

在图像处理领域，scikit-image是一个广泛使用的Python库。最近，用户在使用该库的local_minima函数时发现了一个与numpy版本相关的数值稳定性问题。该函数用于检测图像中的局部最小值区域，但在numpy 2.0.2环境下出现了异常行为。

问题现象

当输入一个简单的4×4整数矩阵时，local_minima函数在不同numpy版本下产生了不同的结果。具体表现为：

• 在numpy 1.26.4环境下，函数正确识别出了中心4个像素组成的局部最小值区域
• 在numpy 2.0.2环境下，函数未能检测到任何局部最小值

技术分析

深入分析后发现，问题的根源在于数值计算的精度处理上。local_minima函数内部实现是通过调用local_maxima函数并传入反转后的图像来实现的。反转操作在util._invert模块中完成。

关键问题点在于：

1. 对于整数类型的输入图像，反转操作会先转换为浮点数
2. 在numpy 2.0.2中，由于数值精度变化，反转后的值变得极其接近1（如9.89232736e-20）
3. 这种极小的数值差异在后续处理中被视为相等，导致无法正确识别局部最小值

解决方案

经过技术团队分析，提出了以下改进方案：

1. 修改反转操作的实现方式，使用符号反转而不是1减去原值
2. 在处理浮点数时强制使用有符号浮点类型（signed_float=True）
3. 确保数值计算的稳定性不受numpy版本变化的影响

这种改进既保持了原有函数的数学正确性，又提高了数值稳定性，能够兼容不同版本的numpy。

对开发者的建议

1. 在处理数值计算时，特别是涉及极小值的场景，要特别注意数值稳定性
2. 对于关键算法，建议添加针对不同数值范围的测试用例
3. 当依赖库版本升级时，应进行充分的回归测试

该问题已在最新版本的scikit-image中得到修复，开发者可以放心使用local_minima函数进行局部最小值检测。