Question

我想“压缩”大小为Ny，Nx的大量布尔值。将它们转换为大小为（Ny，Nx // 8）的uint8数组的最快方法是什么，每个布尔平面都存储在uint8的下一位？

到目前为止，我已经实现了该实现：


import numpy as np

def compressImage(imdata):

    imdatashape = imdata.shape
    imdata_4d = imdata

    imdata_4d.shape = *imdatashape[:-1], imdatashape[-1]//8,8
    compressed_image = np.zeros(imdata_4d.shape[:-1], np.uint8)
    # take every image and add it with the right bit shift to the final image
    for i in range(8):
        compressed_image += imdata_4d[...,i] << i
    return compressed_image


imdata = np.random.randint(0,1, (500, 1600,2560), dtype=np.uint8)
imcompressed = compressImage(imdata)

现在，这并不是特别快，在我的PC上，转换八张大小为1600x2560的图像（我想转换〜25000张图像）大约需要77毫秒。我想这将是一个非常简单的操作，因此应该对此实现一个闪电般的实现，对吧？我认为最好的方法可能是使用numpy视图，但是numpy布尔类型也存储为字节，因此无法正常工作。

上下文：我正在使用数字微镜设备，这是一种只有二进制级别[0,1]的快速显示。您必须预先上传所有要显示的图案。为了节省PC和设备上的内存，设备支持上传“压缩”图像。在这种情况下，您将上传一个uint8数组，但是它将使用每个uint8字节内的每一位来确定接下来的八个镜像的级别，而不只是一个镜像。

Answer 1

使用np.packbits：

np.packbits(imdata,axis=-1,bitorder="little")

如何将大小为1/8的bool类型的numpy数组压缩为uint8

1 个答案: