Question

I have a function that does the task I need, but is not very efficient. The function takes a color image represented by a numpy array and creates a new array of every complete, 3x3 slice of my image. At the end I reshape it for my desired purpose, effectively reshaping to (columns*rows, 3*3*3 slice) Here is the code:

def get_kernels(im, k_size):
    X, Y = im.shape[1] + 1 - k_size, im.shape[0] + 1 - k_size
    new = np.zeros((Y, X, k_size, k_size, 3))
    for y in range(Y):
        for x in range(X):
            new[y, x] = im[y:y + k_size, x:x + k_size]
    return new.reshape(X * Y, k_size ** 2 * 3)

Answer 1

您可以使用scikit-image's view_as_windows创建那些滑动窗口，然后我们需要置换轴并重新塑造 -

from skimage.util.shape import view_as_windows

def get_kernels_vectorized(im, k_size):
    X, Y = im.shape[1] + 1 - k_size, im.shape[0] + 1 - k_size
    new = view_as_windows(im,(k_size,k_size,1))[...,0].transpose(0,1,3,4,2)
    return new.reshape(X * Y, k_size ** 2 * 3)

使用view_as_windows

的说明

view_as_windows的想法是我们将输入arg window_shape作为一个长度元组，其长度与输入数组中需要滑动窗口的维数相同。此外，我们不需要滑动的轴作为1s。因此，此处window_shape的输入值为(k_size, k_size, 1)，因为最后一个轴是颜色通道，我们不需要幻灯片。

运行样本以进行验证 -

In [186]: np.random.seed(0)
     ...: im = np.random.randint(0,9,(6,8,3))

In [189]: out1 = get_kernels(im, k_size=3)

In [190]: out2 = get_kernels_vectorized(im, k_size=3)

In [191]: np.array_equal(out1, out2)
Out[191]: True

3264x2448 image与kernel size = 3 -

的时间安排

In [177]: np.random.seed(0)
     ...: im = np.random.randint(0,9,(3264,2448,3))

In [178]: %timeit get_kernels(im, k_size=3)
1 loop, best of 3: 5.46 s per loop

In [179]: %timeit get_kernels_vectorized(im, k_size=3)
1 loop, best of 3: 327 ms per loop

16x+加速。

Answer 2

用例对我来说并不完全清楚。

您可能会要求skimage的view_as_windows之类的内容。如果是这种情况，请使用它或从中学习（numpy.lib.stride_tricks）。

使用正确的输入，它是视图（不会创建新的数组），并且会尽可能快！

python: performance image slicing numpy

2 个答案: