Question

我需要遍历2560x2160 2D numpy数组（图像）的每个像素。我的问题的简化版如下：

import time
import numpy as np

t = time.clock()
limit = 9000
for (x,y), pixel in np.ndenumerate(image):
    if( pixel > limit )
        pass
tt = time.clock()
print tt-t

在我的电脑上完成这个令人讨厌的约30秒钟。（酷睿i7,8GB内存）是否有更快的方法使用内部'if'语句执行此循环？我只对超过一定限度的像素感兴趣，但我确实需要它们的（x，y）索引和值。

Answer 1

使用布尔矩阵：

x, y = (image > limit).nonzero()
vals = image[x, y]

Answer 2

首先，尝试使用矢量化计算：

i, j = np.where(image > limit)

如果矢量化计算无法解决您的问题，您可以将for循环加速为：

for i in xrange(image.shape[0]):
    for j in xrange(image.shape[1]):
        pixel = image.item(i, j)
        if pixel > limit:
            pass

或：

from itertools import product
h, w = image.shape
for pos in product(range(h), range(w)):
    pixel = image.item(pos)
    if pixel > limit:
        pass

numpy.ndenumerate很慢，通过使用普通for循环并通过item方法从数组中获取值，可以将循环加速4倍。

如果您需要更高的速度，请尝试使用Cython，它将使您的代码与C代码一样快。

在Python中循环遍历图像的每个像素的更快方法？

2 个答案: