Question

代码运行良好但速度很慢。如何对颜色替换进行矢量化以避免使用Python for循环？

processed_image = np.empty(initial_image.shape)
for i, j in np.ndindex(initial_image.shape[:2]):
    l_, a, b = initial_image[i, j, :]
    idx = mapping[a + 128, b + 128]
    a, b = new_colors[tuple(idx)]
    processed_image[i, j] = l_, a, b

我在CIELAB空间中有一个图像initial_image作为numpy数组的形状（有些高度，有些宽度，3）。我需要使用mapping更改图像的 a 和 b 颜色分量来生成校正后的图像。 mapping是一个形状（255,255,2）的numpy数组。它为我提供了索引，可用于从new_colors更正 a 和 b 颜色。 new_colors的形状为（表格高度，表格宽度，2）。

使用scikit-image的解决方案也会有所帮助。

Answer 1

您可以使用高级索引：

# chain the two maps
chained = new_colors[(*np.moveaxis(mapping, 2, 0),)]
# split color channels
c1, *c23 = np.moveaxis(initial_image, 2, 0)
# add 128
c23 = *map(np.add, c23, (128, 128)),
# apply chained map
processed_image_2 = np.concatenate([c1[..., None], chained[c23]], axis=2)

图像处理：矢量化numpy数组元素替换

1 个答案: