Question

我正在寻求有关如何提高此计算速度的帮助。我要做的是访问每个像素并对其进行一些数学运算，然后使用新的像素计算创建一个新图像。我通过成千上万的小图像来运行它，需要1小时+。任何帮助将不胜感激，谢谢。

image=cv2.imread('image.png')

height, width, depth = image.shape

for i in range(0, height):  
    for j in range (0, width):
        B = float(image.item(i,j,0)) #blue channel of image
        R=float(image.item(i,j,2)) #red channel of image

        num = R-B
        den = R+B

        if den == 0:
            NEW=1
        else:
            NEW = ((num/den)*255.0)

        NEW = min(NEW,255.0)
        NEW = max(NEW,0.0)
        image[i,j] = NEW  #Sets all BGR channels to NEW value

cv2.imwrite('newImage.png',image)

Answer 1

删除双for-loop。使用NumPy加速的关键是立即对整个阵列进行操作：

image = cv2.imread('image.png')    
height, width, depth = image.shape

image = image.astype('float')
B, G, R = image[:, :, 0], image[:, :, 1], image[:, :, 2]
num = R - B
den = R + B
image = np.where(den == 0, 1, (num/den)*255.0).clip(0.0, 255.0)

cv2.imwrite('newImage.png',image)

通过在整个数组上调用NumPy函数（而不是对标量像素值进行Python操作），可以将大部分计算工作卸载到由NumPy函数调用的快速C / C ++ / Cython（或Fortran）编译代码中。

如何使用NumPy提高像素数学速度

1 个答案: