Question

我编写了以下代码来将图像缩放到50％。但是，这个算法花费了65秒来缩小3264x2448图像。理解numpy的人可以解释为什么这个算法效率低下并建议更有效的变化吗？

def shrinkX2(im):
    X, Y = im.shape[1] / 2, im.shape[0] / 2
    new = np.zeros((Y, X, 3))
    for y in range(Y):
        for x in range(X):
            new[y, x] = im[2*y:2*y + 2, 2*x:2*x + 2].reshape(4, 3).mean(axis=0)
    return new

Answer 1

根据问题的文字，似乎你正在通过50%缩小图像，而且看起来是代码，你是用块来做的。我们可以重新整形以将2D输入的两个轴中的每一个按长度分割为所需的块大小以获得4D数组，然后沿着与块大小对应的轴计算mean ，就像这样 -

def block_mean(im, BSZ):
    m,n = im.shape[:2]
    return im.reshape(m//BSZ[0],BSZ[0],n//BSZ[1],BSZ[1],-1).mean((1,3))

示例运行 -

In [44]: np.random.seed(0)
    ...: im = np.random.randint(0,9,(6,8,3))

In [45]: im[:2,:2,:].mean((0,1)) # average of first block across all 3 channels
Out[45]: array([3.25, 3.75, 3.5 ])

In [46]: block_mean(im, BSZ=(2,2))
Out[46]: 
array([[[3.25, 3.75, 3.5 ],
        [4.  , 4.5 , 3.75],
        [5.75, 2.75, 5.  ],
        [3.  , 3.5 , 3.25]],

       [[4.  , 5.5 , 5.25],
        [6.25, 1.75, 2.  ],
        [4.25, 2.75, 1.75],
        [2.  , 4.75, 3.75]],

       [[3.25, 3.5 , 5.25],
        [4.25, 1.5 , 5.25],
        [3.5 , 3.5 , 4.25],
        [0.75, 5.  , 5.5 ]]])

python：性能增强缩小图像

1 个答案: