Question

我正在为一个大学项目开发一个小型软件，但是我遇到了一个问题：代码的性能太低了。

它是图像编辑软件，图像是较大的3d列表（主列表是整个图像，其中的每个列表是一条水平线，其中的每个列表是一个像素，包含三个元素）。 / p>

我需要进行逐像素调整，例如将所有这些都乘以一个常数，这样就可以了

for y in range(0,len(image)): 
    for x in range (0,len(image[0])):
        for c in range (0,3):
            im[y][x][c] = (im[y][x][c])*a

image是3d列表的地方
len(image)是图像中水平线的数量（垂直尺寸）
len(image[0])是水平线上的像素数量（水平大小）
c是像素的组成部分（从0到2）。

此循环需要几分钟才能浏览一张12 MP图像，并且我必须处理的图像数量约为数百，因此这是不可能的。

我该怎么做才能获得更好的性能？甚至编辑软件也要花费几秒钟，因为它可能是一个相当大的操作，但是这段代码太慢了。

谢谢！

Answer 1

我也（如评论中）建议使用Numpy。示例代码如下：

import numpy as np

im = np.array(image,dtype="float16")

# Define your custom function
def myFunc(x,a):
    x = x * a
    return x

# Vectorise function
vfunc = np.vectorize(myFunc)

# Apply function to the array with the parameter a = 5
im = vfunc(im,5)

我比较了向量化numpy函数的时序和嵌套循环的大小，该数组的大小大致相当于12MP图像：4242 x 2828 x 3。

嵌套循环花了 99 秒，而numpy花了 6.5 秒。

这里有一个有关numpy函数效率的问题供您参考：Most efficient way to map function over numpy array

对于简单的函数（如使用numpy本机函数的乘法），最快。

# Multiply each element by 5
im = im * 5

此代码在我的计算机上仅用了0.5秒。

使用python进行大型列表操作时性能更高

1 个答案: