Question

目标：在2D图像（灰度）中滑动2D“窗口”。对于图像的每个像素，复制窗口（图案）内的所有像素，然后移至下一个像素。

问题：非常慢。我想加快速度。

使用Cython（ewwww）除外。

我在具有48个内核的服务器中使用此代码，因此可以选择并行处理。因此，我对如何使用numpy处理多线程解决方案感到困惑。

说明：我有一种称为提取的方法。此方法接收灰度图像，位置i和j指的是窗口居中的图像的x轴和y轴。对于i和j的每个位置，我会将窗口看到的内容复制到另一个数组。

img是2d NumPy数组。

pat可以删除，我可以返回该模式。没关系。

i和j是整数。

def extract(self, img, i, j, pat):
        pattern = pat
        win = self.window
        hh = win.shape[0]
        ww = win.shape[1]
        hh2 = hh / 2
        ww2 = ww / 2
        k = 0

        for l in range(-hh2, hh2 + 1):
            for m in range(-ww2, ww2 + 1):
                    try:
                        pattern[k] = img[i + l, j + m]
                    except:
                        pattern[k] = 0
                    k += 1

Answer 1

显而易见的答案是将这些循环矢量化。没有完整的示例，很难进行任何测试，因此我只给出一个草图。

我们要转这个：

for m in range(-ww2, ww2 + 1):
        try:
            pattern[k] = img[i + l, j + m]
        except:
            pattern[k] = 0
        k += 1

…在pattern和img的切片上进行单个分配，而不是对pattern和img的索引进行循环分配。

首先，让我们忘记边界的东西，以使其更简单。我们如何才能将这些i + l，j + m和k全部向量化？

m是您范围内的索引，并且j是常数，因此j + m的范围超过j-ww2:j+ww2+1。
k是您范围的索引减去范围的起始值。因此它来自ww2:2*ww2+1。
i和l在内部循环中都是恒定的，因此我们根本不需要在那里进行任何更改。

所以：

pattern[ww2:2*ww2+1] = img[i + l, j-ww2:j+ww2+1]

现在，边界问题呢？这总是很痛苦的-在这里我无能为力，因为我不知道这些值之间如何相互关联或您担心的边界是什么，但您可能需要这样的东西：

lok, hik = ww2, 2*ww2+1
lojm, hijm = max(0, j-ww2), min(j+ww2+1, width)
pattern[lok:hik] = img[i+l, lojm:hijm]

如果一条边的另一边需要为0，那么快速而肮脏的答案是将其手动插入，例如：

if hijm == width:
    pattern[hik] = 0

一旦完成这项工作，就有望将内循环速度提高一个数量级。

如果内部循环大小适中（即ww2不是一个很小的数字），那么您就可以完成。如果很小，您可能需要对外循环进行类似的转换，但这并不比我们刚刚做的难。

窗口在图像中滑动

1 个答案: