Question

此方法非常慢。简短而有趣的是，它接收字典phase_color_labels，该字典将任意名称映射到与RGB值相对应的3元素列表，并将输入图像的每个像素映射到最接近的任何像素值在phase_color_labels词典中。我还没有弄清楚是否有矢量版本的运行速度会更快。

image变量只是一个numpy数组[H，W，Channels]。

def map_pixels_to_discrete_values(image, phase_color_labels):
        """
        Takes an image with floating point pixel values and maps each pixel RGB value
        to a new value based on the closest Euclidean distance to one of the RGB sets
        in the phase_label input dictionary.
        """
        mapped_image = np.copy(image)
        for i in range(mapped_image.shape[0]):
            for j in range(mapped_image.shape[1]):
                min_distance = np.inf
                min_distance_label = None
                for phase_name, phase_color in phase_color_labels.items():
                    r = phase_color[0]
                    g = phase_color[1]
                    b = phase_color[2]
                    rgb_distance = (mapped_image[i, j, 0] - r)**2 + (mapped_image[i, j, 1] - g)**2 + (mapped_image[i, j, 2] - b)**2
                    if rgb_distance < min_distance:
                        min_distance = rgb_distance
                        min_distance_label = phase_name

                mapped_image[i, j, :] = phase_color_labels[min_distance_label]
        return mapped_image

Answer 1

要快速使用Numpy进行操作，通常希望避免循环并将尽可能多的工作推入Numpy的矩阵运算中。

我的回答的基本概念：

以phase_color_labels，ndarray的形式从phase_colors获取颜色。
使用Numpy的broadcasting计算“外部距离”，即数组中每个图像与phase_colors中每种颜色之间的欧式距离。
找到每个像素具有最小距离的颜色索引，并将其用作phase_colors中的索引。

phase_colors = np.array([color for color in phase_color_labels.values()])

distances = np.sqrt(np.sum((image[:,:,np.newaxis,:] - phase_colors) ** 2, axis=3))
min_indices = distances.argmin(2)

mapped_image = phase_colors[min_indices]

第三行需要一些其他解释。首先，请注意phase_names和phase_colors都具有形状(L, C)，其中L是标签数，C是通道数。

image[:,:,np.newaxis,:]在第二轴和第三轴之间插入新轴，因此结果数组的形状为(H, W, 1, C)。
从形状(L, C)的数组中减去形状(H, W, 1, C)的数组时，Numpy广播该数组以使其形状为(H, W, L, C)。您可以找到有关Numpy的广播语义here的更多详细信息。
然后，沿轴3求和，得到形状为(H, W, L)的阵列。
（平方和平方根都不影响数组的形状。）

在第四行中，在轴2上使用argmin，然后将数组缩小为(H, W)的形状，每个值都是从缩小轴L开始的索引，换句话说，索引到phase_colors。

作为另一项改进，由于平方根是单调递增的函数，因此不会更改最小的距离，因此可以将其完全删除。

请注意，在image和phase_color_labels较大的情况下，广播的存储成本可能会很明显，这也可能导致性能问题。

更快实现像素映射

1 个答案: