Question

我的图像有一个粗线像素，下面有一行。我想

删除底线
细粗线

所以我使用了这个循环：

N = 1000
im = (np.random.random((N, N)) - 0.5)

xx,yy =  np.where(im > 0)
for x,y in zip(xx,yy):
    for i in range(xmin,xmax):  # I played with the limits so they would fit my specific image
        # if inner loop already broke
        if im[x][y] == False:
            break
        for j in range(ymin,ymax):  # here again
            if im[x-i][y+j]:
                im[x][y] = False
                break

这非常适合（大约95％的不需要的像素被移除）但它非常慢......我每张图片花费大约1秒钟，其中像np.where, np.argmax这样的操作需要＆lt; 0.01秒

如何使用numpy（我猜numpy最适合）来加快速度呢？

编辑： 使用@numba.jit按照@jmd_dk的建议非常有用，但它似乎仍然比普通numpy方法慢

为了澄清，我不仅要找到np.where(im > 0)提供的正像素的位置，还要查找在其下方/上方有正像素的像素的位置...

所以，如果我有这个矩阵：

0 | 0 | 0 | 1 | 1 | 1 | 0
0 | 0 | 0 | 0 | 0 | 0 | 1
0 | 1 | 0 | 1 | 0 | 1 | 1
0 | 0 | 0 | 1 | 1 | 0 | 1
0 | 0 | 0 | 0 | 0 | 0 | 1
0 | 1 | 0 | 1 | 1 | 1 | 1

我想找到所有'1'像素，其上方有'1'并删除它们 - 获取此矩阵：

0 | 0 | 0 | 1 | 1 | 1 | 0
0 | 0 | 0 | 0 | 0 | 0 | 1
0 | 1 | 0 | * | 0 | * | *
0 | 0 | 0 | * | * | 0 | *
0 | 0 | 0 | 0 | 0 | 0 | *
0 | * | 0 | * | * | * | *

我将1替换为*所以它会突然出现......

Answer 1

这是Numba真正闪耀的情况。没有任何实际工作，我立即获得~115x的加速（次数，而不是百分比！）。我没有你的整个代码，但请考虑这个例子：

import numpy as np
import numba
from time import time

@numba.jit
def fun():
    # Added just to make the code run
    t0 = time()
    N = 1000
    im = (np.random.random((N, N)) - 0.5)
    xmin = ymin = 0
    xmax = ymax = N
    # Your code
    xx,yy =  np.where(im > 0)[0], np.where(im > 0)[1]
    for x,y in zip(xx,yy):
        for i in range(xmin,xmax):
            if im[x][y] == False:
                break
            for j in range(ymin,ymax):
                if im[x-i][y+j]:
                    im[x][y] = False
                    break
    t1 = time()
    print('took', t1 - t0, 's')

fun() 
fun()

在我的机器上，我得到了

取0.18608522415161133 s

花了0.0416417121887207 s

现在删除numba.jit装饰器，我得到

采取了4.783859491348267 s

采取了4.796429872512817 s

获取Numba包的最简单方法是使用Anaconda Python发行版。

然后，您应该为每个图像调用一次函数（此处为fun()）。第一次调用该函数时，Numba会将其编译为快速代码，这就是为什么第一次调用比第二次调用慢得多（尽管仍然比普通的非Numba版本快得多）。

一种更快的方法来删除近似像素

1 个答案: