在python/numpy中加速delta滤镜

我正在写一个解压缩器（其中包括）必须将增量滤镜应用于RGB图像。也就是说，读取其中只有第一个像素是绝对的（R1，G1，B1）并且所有其他图像都是（R [n] -R [n-1]，G [n] -G [n-1 ]，B [n] -B [n-1]），并将它们转换为标准RGB。在python/numpy中加速delta滤镜

现在我使用numpy的如下：

rgb = numpy.fromstring(data, 'uint8') 
components = rgb.reshape(3, -1, order='F') 
filtered = numpy.cumsum(components, dtype='uint8', axis=1) 
frame = numpy.reshape(filtered, -1, order='F')

凡

线1创建的原始图像的一维阵列;

线2重塑它在形式

[[R1, R2, ..., Rn], [G1, G2, ..., Gn], [B1, B2, ..., Bn]]

线3执行实际defiltering
线4再次转换回为一维数组

的问题是，它是我的需求太慢了。我对它进行了剖析，发现花费了大量的时间来重塑阵列。

所以我想知道：有没有避免重塑或加速的方法？

注：

我不希望有写C扩展这一点。
我已经使用多线程

来源

2012-02-08 Alberto

如果你的'rgb'数据范围从0到255，有一个很好的机会，'numpy.cumsum'会悄悄溢出。看看'x = np.arange（255，dtype ='uint8'）'和'y = np.cumsum（x，dtype ='uint8'）'会发生什么。 – unutbu 2012-02-08 20:05:47

嗯，我认为它已经溢出了，或者换句话说，它的运行模式为255. – Alberto 2012-02-08 20:35:23

糟糕，所以这是故意的。但是，不应该用'filtered = numpy.diff（components，axis = 1）'来计算'R [n] -R [n-1]'等等。 – unutbu 2012-02-08 20:43:50

首先，当你读它，你可以告诉它多一点有关的类型，请尝试：

rgb = numpy.fromstring(data, '3uint8')

没有重塑需要。

接下来，对于大型操作，您可以避开它（并且cumsum有资格），请使用out= param来防止移动数据......所有事情都会发生。用途：

rgb.cumsum(axis=0,out=rgb)

如果你仍然想它夷为平地：

rgb = rgb.ravel()

来源

2012-02-08 20:19:18

总体速度提高了15％左右，谢谢！我非常接近3个内核就足够了（这是我的目标）。 – Alberto 2012-02-08 20:43:15

经过一些其他的实验后，我发现使用这种布局不需要将它弄平。删除rgb.ravel（）生成了另一个+ 5％！ – Alberto 2012-02-08 21:03:39

出于某种原因，我还不明白，最终重塑你的代码拷贝数据。这可以通过使用替代的Fortran订单C为了避免：

rgb = numpy.fromstring(data, 'uint8') 
components = rgb.reshape(-1, 3) 
filtered = numpy.cumsum(components, dtype='uint8', axis=0) 
frame = filtered.reshape(-1)

来源

2012-02-08 19:55:32

您能否在最终重塑的情况下显示在什么情况下复制数据？我自己从'rgb = np.fromstring（'\ x01 \ x02 \ x03'* 2，dtype = np.uint8）'开始并看到'frame.flags ['OWNDATA']' 。 – unutbu 2012-02-08 20:37:45

感谢您的提示，它提高了约12％的速度。 – Alberto 2012-02-08 20:52:19

@unutbu：我发现仅仅看着'owndata'标志并不是一个可靠的方法来确定一个副本是否在两者之间。我做了'frame [：] = 0'并检查'filtered'是否也被清零，但事实并非如此。 – 2012-02-08 21:09:23

在python/numpy中加速delta滤镜

回答

相关问题