Question

在我生成的数组中，我有一个图像读入numpy中有很多像素。

我计算了一个包含256个值的查找表。现在我想做以下事情：

for i in image.rows:
    for j in image.cols:
        mapped_image[i,j] = lut[image[i,j]]

是的，这基本上就像一个人唯一的问题是：我想做得高效并在python中调用该循环将让我等待几秒钟才能完成。

我知道numpy.vectorize()，它只是一个调用相同python代码的便捷函数。

Answer 1

如果image 1D ，您可以使用lut为lut编入索引。
这是NumPy索引的首发：
http://www.scipy.org/Tentative_NumPy_Tutorial#head-864862d3f2bb4c32f04260fac61eb4ef34788c4c

In [54]: lut = np.arange(10) * 10

In [55]: img = np.random.randint(0,9,size=(3,3))

In [56]: lut
Out[56]: array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])

In [57]: img
Out[57]: 
array([[2, 2, 4],
       [1, 3, 0],
       [4, 3, 1]])

In [58]: lut[img]
Out[58]: 
array([[20, 20, 40],
       [10, 30,  0],
       [40, 30, 10]])

还要注意索引从0

开始

Answer 2

TheodrosZelleke的回答是正确的，但我只是想添加一点无证的智慧。 Numpy提供了一个函数np.take，根据文档“执行与花哨索引相同的操作。”

嗯，差不多，但不完全一样：

>>> import numpy as np
>>> lut = np.arange(256)
>>> image = np.random.randint(256, size=(5000, 5000))
>>> np.all(lut[image] == np.take(lut, image))
True
>>> import timeit
>>> timeit.timeit('lut[image]',
...               'from __main__ import lut, image', number=10)
4.369504285407089
>>> timeit.timeit('np.take(lut, image)',
...               'from __main__ import np, lut, image', number=10)
1.3678052776554637

np.take大约快3倍！根据我的经验，当使用3D luts将图像从RGB转换为其他色彩空间时，添加逻辑以将3D查找转换为1D平坦查找可以使x10加速。

Answer 3

如果您仅限使用numpy，则可以使用TheodrosZelleke's answer。但是，如果允许其他模块，则cv2是用于与图像数据进行交互的有用模块，它接受numpy数组作为输入。一个很大的限制是图像数组必须具有dtype='uint8'，但是只要可以，函数cv2.LUT就可以实现我们想要的功能，并且可以大大提高速度：

>>> import numpy as np
>>> import cv2
>>> lut = np.arange(256, dtype='uint8')
>>> image = np.random.randint(256, size=(5000, 5000), dtype='uint8')
>>> np.all(lut[image] == cv2.LUT(image, lut))
True
>>> import timeit
>>> timeit.timeit('lut[image]', 'from __main__ import lut, image', number=10)
0.5747578000000431
>>> timeit.timeit('cv2.LUT(image, lut)', 
...               'from __main__ import cv2, lut, image', number=10)
0.07559149999997317

您的查询表可以是其他数据类型，但是您在速度上有很多改进（尽管numpy索引也会影响性能）。例如，使用dtype='float64'：

>>> lut = np.arange(256, dtype='float64')
>>> timeit.timeit('lut[image]', 'from __main__ import lut, image', number=10)
1.068468699999812
>>> timeit.timeit('cv2.LUT(image, lut)', 
...               'from __main__ import cv2, lut, image', number=10)
0.41085720000000947

是否有一种方便的方法将查找表应用于numpy中的大型数组？

3 个答案: