这是我尝试的方式： （1）使用PIL.Image打开原始（比如100 * 100）和目标（比如20 * 20）图像并将它们转换为np.array; （2）从原始像素中的每个像素开始作为起始位置，裁剪20 * 20区域并将每个像素RGB与目标进行比较。 （3）如果总差异低于某一给定水平，则停止并输出原始差异中的特定起始像素位置。
问题是，步骤（3）的成本超过10秒，这太长了，即使步骤（2）花费超过0.04秒，我希望优化我的程序。在我用于迭代数组的两个步骤中，有更有效的方法吗？
答案 0 :(得分：0)
要比较不同位移的两个信号（或图像），可以使用cross-correlation。
如果您拥有scipy包，则可以使用2D互相关来衡量当滑动一个图像而另一个图像时两个图像的相似程度。 此示例是从correlate2d函数复制的：
from scipy import signal
from scipy import misc
lena = misc.lena() - misc.lena().mean()
template = np.copy(lena[235:295, 310:370]) # right eye
template -= template.mean()
lena = lena + np.random.randn(*lena.shape) * 50 # add noise
corr = signal.correlate2d(lena, template, boundary='symm', mode='same')
y, x = np.unravel_index(np.argmax(corr), corr.shape) # find the match
如果您不想使用工具箱，可以自己实现互相关。