Question

如何加快此功能？ 512x512图像需要1.3秒。

def bool_map(image):
  '''
  Returns an np.array containing booleans,
  where True means a pixel has red value > 200.
  '''
  bool_map = np.zeros(image.shape, dtype=np.bool_)
  for row in range(image.shape[0]):
    for col in range(image.shape[0]):
      if image[row, col, 0] > 200:
        bool_map[row, col] = True
  return bool_map

Answer 1

利用numpy的向量操作并编写image[:,:,0] > 200：这应该快得多。

>>> i = np.random.randint(0, 256, (512, 512, 3))
>>> b = i[:,:,0] > 200
>>> b
array([[False, False,  True, ..., False,  True, False],
       [False, False,  True, ..., False, False, False],
       [False,  True, False, ..., False, False, False],
       ..., 
       [False, False,  True, ..., False, False, False],
       [False,  True, False, ..., False, False, False],
       [ True, False,  True, ..., False, False, False]], dtype=bool)
>>> %timeit b = i[:,:,0] > 200
1000 loops, best of 3: 202 µs per loop

Answer 2

与C相比，Python正在进行爬行，尤其是在处理数字数据时。为了加快速度，请利用NumPy的批量阵列操作。

您的代码可以替换为等效代码：

return image[:,:,0] > 200

将3d numpy数组（RGB图像）转换为布尔数组的快速方法

2 个答案: