Question

这是3D相机流式传输场景深度图的情况。相机的分辨率是已知的，并且等于（w，h），在此示例中将其设置为（3，2）。

我尝试将每个新框架与一袋样品进行比较。每个像素具有相同数量的要比较的样本，已知样本数量相同，在此示例中等于4。样本袋具有以下形状（w，h，nb_sample），在此示例中等于（3、2、4）。

我从0循环到nb_sample，以将新帧与样本进行比较。如果该差高于阈值R，则计数器增加。

问题是：有没有一种方法可以优化循环？

import numpy as np

w = 3
h = 2
nb_sample = 4
R = 0.5

new_matrix = np.random.rand(w,h)

sample = np.random.rand(w, h, nb_sample)

count = np.zeros((w,h))

for index in range(0, nb_sample):
    distance = np.abs(new_matrix - sample[:, :, index])
    count[distance < R] += 1

print(count)

Answer 1

尝试以下两行解决方案：

distance = np.abs(sample - new_matrix[:,:,np.newaxis])
np.sum(distance < R, axis = -1)

说明：

通过使用new_matrix numpy向np.newaxis添加一个维度，可以使用sample操作计算-中每个矩阵的差。

然后distance < R的计算方式与您的代码相同。 True和False在python中分别表示为1和0，这就是为什么可以沿右轴将它们简单地添加在一起的原因。

有没有一种方法可以优化矩阵与一组样本的比较？

1 个答案: