Question

我有以下问题：

我有一个距离矩阵与形状（41,79,181）和20000次迭代，其中计算矩阵的小方框，主要是形状（31,15,33）。现在我想对它们应用线性函数，将这些距离转换为其他数字。计算必须尽可能快。我尝试了两件事：

创建线性函数并使用numpy对其进行矢量化以将其应用于矩阵。这对我来说似乎很慢。
使用np.unique获取所有不同的可用距离并将其掩盖在矩阵上，对我来说更快，因为大多数时间只有400-500个不同的距离。

现在我想知道是否有更快的方法。在下面我使用的代码。第一种方法已经过时了，因为它似乎更慢。第二种方法是在这个相同速度的例子中，因为我不知道如何创建一个随机数的3d数组，其中只有400-500个不同的数字出现：

import numpy as np


def linearCalc(x,radius,frc_size,cellScoring,frcScoring,sH,sMin):        
    if x > radius+frc_size:
        return 0.0
    elif x<= radius:
        if cellScoring==1: 
            points = [(0,-sH),(radius,-sMin)]
            x_coords, y_coords = zip(*points)
            A = np.vstack([x_coords,np.ones(len(x_coords))]).T
            m, c = np.linalg.lstsq(A, y_coords)[0]
            return m*x+c

vfunc = np.vectorize(linearCalc)
minX=10 
maxX=47 
minY=64
maxY= 89 
minZ= 22 
maxZ= 55                    
radius=2
fcr_size=4
cellScoring=1
frcScoring=1
sH=15
sMin=1


TemporalMatrix = np.random.rand(41, 79, 181)
    ####### 1. Method ##########
"""    
for t in range(0,20000):
    print('cell:',t)
    eucledanBox2= np.zeros(TemporalMatrix.shape)
    distanceValues = np.unique(TemporalMatrix[minX:maxX,minY:maxY,minZ:maxZ])
    eucledanBox2[minX:maxX,minY:maxY,minZ:maxZ] = vfunc(TemporalMatrix[minX:maxX,minY:maxY,minZ:maxZ],radius,fcr_size,1,1,15,1)

"""
     ####### 2. Method ##########   
for t in range(0,20000):
    print('cell:',t) 
    eucledanBox2= np.zeros(TemporalMatrix.shape)
    distanceValues = np.unique(TemporalMatrix[minX:maxX,minY:maxY,minZ:maxZ])
    for i in distanceValues:
        eucledanBox2[minX:maxX,minY:maxY,minZ:maxZ][TemporalMatrix[minX:maxX,minY:maxY,minZ:maxZ] == i] = linearCalc(i,radius,fcr_size,cellScoring,frcScoring,sH,sMin)

有更快的方法吗？最好的问候！

修改

通过scipys ndimage.distance_transform_edt通过eucledean距离变换计算距离矩阵。也许可以将它与我的转换一步合并？

Python：将函数映射到矩阵

0 个答案: