一种用于颜色分割的均值移位图像处理算法

Question

我正在用Python/NumPy实现用于颜色分割的mean图像处理算法的一个版本。

我编写了一个纯NumPy版本的每个像素的实际平均偏移量(我认为这是大部分时间所花费的时间)。它将RGB值的数组从父图像中分割出来，然后创建下限和高界RGB参考数组，并为像素生成一个布尔掩蔽数组，用于平均和平均值。

还有进一步的优化吗？我怀疑，将x/y循环矢量化可能会加快速度，但对我的生活而言，但我还不知道如何实现。(有些人是如何生成每个像素网格的数组来工作的，然后将均值移位推广到接收数组输入？)gL是网格长度。gS是gL平方--网格中的像素数。

for itr in xrange(itrs):
    if itr != 0:
        img = imgNew
    for x in xrange(gL,height-gL):
        for y in xrange(gL,width-gL):
            cGrid = img[x-gSmp:(x+gSmp+1),y-gSmp:(y+gSmp+1)]
            cLow,cUp = np.empty((gL,gL,3)),np.empty((gL,gL,3))
            cLow[:] = [img[x,y][0]-tol,img[x,y][1]-tol,img[x,y][2]-tol]
            cUp[:] = [img[x,y][0]+tol,img[x,y][1]+tol,img[x,y][2]+tol]
            cBool = np.any(((cLow < cGrid) & (cUp > cGrid)),axis=2)
            imgNew[x,y] =  np.sum(cGrid[cBool],axis=0)/cBool.sum()

Answer 1

下面的代码是第一次尝试，但仍未被矢量化。这里的要点是提取创建cLow和cUp (不要在循环中创建数组，总是“预先分配”内存)，公差级别的计算可以在一次操作中完成(假设此时广播是可能的)，最后我删除了将imgNew复制到img的条件情况(我也怀疑您不想将最后一次迭代复制回img。如果是这样，则必须删除循环之前的复制行，并将循环开始处的副本移到其末尾。)。

diff_height_gL = height - gL
diff_width_gL = width - gL
sum_gSmp_one = gSmp + 1

cLow, cUp = np.empty((gL, gL, 3)), np.empty((gL, gL, 3))

imgNew = img.copy()

for itr in xrange(itrs):

    img[:] = imgNew

    for x in xrange(gL, diff_height_gL):
        for y in xrange(gL, diff_width_gL):

            cGrid = img[x-gSmp:(x + sum_gSmp_one), y-gSmp:(y + sum_gSmp_one)]

            cLow[:] = img[x, y, :] - tol
            cUp[:] = img[x, y, :] + tol

            cBool = np.any(((cLow < cGrid) & (cUp > cGrid)), axis=2)

            imgNew[x, y] =  np.sum(cGrid[cBool], axis=0) / cBool.sum()

这个问题似乎完全可以进行多重处理。这可以作为矢量化的替代/扩展。如果我有时间我会尝试矢量化..。

类甲壳虫