Question

我需要向量化两个嵌套的for循环，并且不知道该怎么做。一种是用于灰度图像，另一种是用于彩色图像。我想用kuwahara过滤器过滤图像。您在下面看到的代码是我必须向量化才能获得快速功能的最后一步。

数组img_kuwahara的形状为mxn或mxnx3（彩色图像）
数组index_min的形状为mxn
数组均值的形状为4xmxn（灰度）或3x4xmxn（彩色）

我需要从均值数组中获取正确的值到img_kuwahara数组中。

作为示例数据，您可以使用以下数组：

index_min = np.array（[[0，1，1，2，3]，[3，3，2，2，2，2]，[2，3，3，0， 2]，[0，1，1，0，3]，[2，1，3，0，0]]）

平均值 = np.random.randint（0，256，size =（4,5,5））（灰度图像）

平均值 = np.random.randint（0，256，size =（3,4,5,5））（彩色图像）

行= 5，列= 5

谢谢您的帮助

# Edit gray scale image
if len(image.shape) == 2:

    # Set result image
    img_kuwahara = np.zeros((row, columns), dtype=imgtyp)

    for k in range(0, row):
        for i in range(0, columns):
            img_kuwahara[k, i] = mean[index_min[k, i], k, i]



# Edit color image
if len(image.shape) == 3:

    # Set result image
    img_kuwahara = np.zeros((row, columns, 3), dtype=imgtyp)

    for k in range(0, row):
        for i in range(0, columns):
            img_kuwahara[k, i, 0] = mean[0][index_min[k, i], k, i]
            img_kuwahara[k, i, 1] = mean[1][index_min[k, i], k, i]
            img_kuwahara[k, i, 2] = mean[2][index_min[k, i], k, i]

Answer 1

可以使用np.meshgrid对第一个循环进行矢量化：

j, i = np.meshgrid(range(columns), range(rows))
img_kuwahara = mean[index_min[i, j], i, j]

第二个循环可以通过使用附加的np.moveaxis进行矢量化处理（假设mean实际上是4D数组，而不是3D数组的列表；否则只需对其进行转换）：

j, i = np.meshgrid(range(columns), range(rows))
img_kuwahara = np.moveaxis(mean, 0, -1)[index_min[i, j], i, j]

除了np.meshgrid以外，您还可以使用np.mgrid（它支持更自然的语法）：

i, j = np.mgrid[:rows, :columns]

向量化嵌套循环

1 个答案: