我已经在python中编写了很多代码,但效果很好。但是现在我正在扩大我正在分析的问题的大小,并且python非常慢。 python代码的缓慢部分是
for i in range(0,H,1):
x1 = i - length
x2 = i + length
for j in range(0,W,1):
#print i, ',', j # check the limits
y1 = j - length
y2 = j + length
IntRed[i,j] = np.mean(RawRed[x1:x2,y1:y2])
当H和W等于1024时,该功能大约需要5分钟才能执行。我编写了一个简单的c ++程序/函数,它执行相同的计算,并且在不到一秒的时间内以相同的数据大小进行操作。
double summ = 0;
double total_num = 0;
double tmp_num = 0 ;
int avesize = 2;
for( i = 0+avesize; i <X-avesize ;i++)
for(j = 0+avesize;j<Y-avesize;j++)
{
// loop through sub region of the matrix
// if the value is not zero add it to the sum
// and increment the counter.
for( int ii = -2; ii < 2; ii ++)
{
int iii = i + ii;
for( int jj = -2; jj < 2 ; jj ++ )
{
int jjj = j + jj;
tmp_num = gsl_matrix_get(m,iii,jjj);
if(tmp_num != 0 )
{
summ = summ + tmp_num;
total_num++;
}
}
}
gsl_matrix_set(Matrix_mean,i,j,summ/total_num);
summ = 0;
total_num = 0;
}
我还有其他一些方法可以在2D数组上执行。列出的是一个简单的例子。
我想要做的是将python 2D数组传递给我的c ++函数,并将2D数组返回给python。
我已经阅读了一些关于swig的内容,并且已经解决了过去的问题,看起来它似乎是一种可能的解决方案。但我似乎无法弄清楚我真正需要做什么。
我能得到任何帮助吗?感谢
答案 0 :(得分:11)
您可以按照此处所述使用数组:Doc - 5.4.5 Arrays,SWIG库中的carray.i
或std_vector.i
。
我发现使用SWIG库std_vector.i
中的std :: vector更容易将python列表发送到C ++ SWIG扩展。虽然在您的情况下优化很重要,但它可能不是最佳的。
在您的情况下,您可以定义:
<强> test.i 强>
%module test
%{
#include "test.h"
%}
%include "std_vector.i"
namespace std {
%template(Line) vector < int >;
%template(Array) vector < vector < int> >;
}
void print_array(std::vector< std::vector < int > > myarray);
<强> test.h 强>
#ifndef TEST_H__
#define TEST_H__
#include <stdio.h>
#include <vector>
void print_array(std::vector< std::vector < int > > myarray);
#endif /* TEST_H__ */
<强> TEST.CPP 强>
#include "test.h"
void print_array(std::vector< std::vector < int > > myarray)
{
for (int i=0; i<2; i++)
for (int j=0; j<2; j++)
printf("[%d][%d] = [%d]\n", i, j, myarray[i][j]);
}
如果运行以下python代码(我使用的是python 2.6.5),您可以看到C ++函数可以访问python列表:
>>> import test
>>> a = test.Array()
>>> a = [[0, 1], [2, 3]]
>>> test.print_array(a)
[0][0] = [0]
[0][1] = [1]
[1][0] = [2]
[1][1] = [3]