Python和wx.Image：如何将一个简单的函数应用于每个像素FAST？

Question

我正在处理

1. myWxImage，一张图片。
2. myLabelImage，一个与图像形状相同的numpy数组，每个像素包含一个标签（整数）
3. myLookupTable，一维numpy数组，即一个向量，其条目与标签一样多。 （我用它来将标签映射到浮点数。）

目标是迭代像素，并且对于每个像素，考虑其标签，查找相应的浮点数并将其与该像素的颜色相乘。

以下代码正是如此，但太慢。你有一个简单的建议如何更快地做到这一点，而不采用C ++或GPU编程，这当然在这里很有意义吗？

weightedImage = wx.EmptyImage(myWxImage.Width, myWxImage.Height)
rgb = numpy.zeros(3, dtype=int);
for x in range(0, myWxImage.Width):
    for y in range(0, myWxImage.Height):
        label = myLabelImage[x, y]
        weight = myLookUpTable[label]
        rgb[0] = myWxImage.GetRed(x, y)
        rgb[1] = myWxImage.GetGreen(x, y)
        rgb[2] = myWxImage.GetBlue(x, y)
        rgb = rgb * weight
        weightedImage.SetRGB(x, y, rgb[0], rgb[1], rgb[2])
myBitmap = wx.BitmapFromImage(weightedImage)

# draw myBitmap

Answer 1

如果标签图像和查找表是不变的，您可以尝试以下方法：

1. 将权重向量预先计算为1D numpy float数组（重新整形+查找），
2. 使用wxImage GetData调用来获取RGB图像数据
3. 使用fromstring
将其变为numpy数组
4. 使用numpy逐元素乘法来获得最终图像
5. 使用numpy array.tostring + wxImage.SetData
将其变回图像

直接对图像缓冲区本身进行乘法（使用GetDataBuffer）而不是通过numpy数组进行往返运算可能会更快;你需要时间和看见。