Question

我有一组非常大的滤镜（总计9015，每个910 x 910），我想将它们应用于图像中的某些特定点（<10000）。基本上，这些滤镜非常大的原因是每个滤镜只能应用于一个点，但仍要考虑整个图像。我想做的事（应用滤镜/卷积）背后的数学运算非常简单（即，将滤镜的元素逐个乘以图像，然后在每个维度上逐个元素求和。）以下是一个实现我用python和numpy（其中...表示内存中用于存储结果的区域）编写的内容：

for q in range(3): # A variable to iterate through the color channels, given that the filters are only 2 dimensional
    for i in range (len(filters)):
            ... = np.floor(np.sum(np.sum(filters[:,:,i] * img[:,:,q], axis = 1), axis = 0) + 0.5)
# Note that filters[:,:,i] selects the correct filter for the current given point

但是，这在我功能强大的机器上花费了非常长的时间（大约280秒）。在这种情况下，我尝试使用库函数来希望加快速度（因为我认为它们已经过高度优化）），但类似（在此处重新应用与上面相同的注释）

for q in range(3):
        for i in range (len(filters)):
            ... = scipy.ndimage.convolve(img[:,:,q], filters[:,:,i]))

没有太大帮助。（我什至无法计时。这几乎可以肯定是因为这里要执行的计算数量要高得多，因为它使用极大的过滤器来计算图像中每个点的像元值。）在这一点上，我正在寻找加快速度的方法，但我仍然相信库函数是正确的选择。如果有一个函数在一点上进行卷积，或者正如我在标题中所提到的那样，在某个点上应用了过滤器，那么我可以遍历较少的兴趣点（而不是整个图像），将其称为这些点上的库函数。还是有一些函数需要一组索引来进行卷积运算？或者也许有一种方法可以重塑数据，使库卷积函数仅在某些点运行？

python，numpy，scipy等中是否有任何具有此功能的函数？

在某一点应用过滤器

0 个答案: