在Python NumPy中拉伸图像的最有效方法

Question

我希望函数将图像作为numpy数组接收，并根据输入范围内指定的最大值和最小值将值重新映射到新范围（0，1）。 我有一个可运行的函数，但是我要遍历数组，大约需要10秒钟才能完成。 有没有更有效的方法来执行此任务？ 也许一些我不知道的内置numpy函数？

这就是我得到的：

import numpy as np

def stretch(image, minimum, maximum):
    dY = image.shape[0]
    dX = image.shape[1]
    r = maximum - minimum
    image = image.flatten()
    for i in range(image.size):
        if image[i] > maximum or image[i] < minimum:
            image[i] = 1. or 0.
        else:
            image[i] = (image[i] - minimum) / r
    return image.reshape(dY, dX)

我还尝试了使用numpy.nditer的上述版本，而不是使用for循环手动进行迭代，但这似乎慢了约四倍（〜40秒）。

有没有一种我可以忽略的更有效的方法？ 我正在处理的图像约为16 MP。 （3520，4656）

Answer 1

错误＃1

您的代码中有一个错误。

image[i] = 1. or 0.因为1.行为不实，所以总是求值为1.0 。

相反，该块应如下所示：

if image[i] < minimum:
    image[i] = 0.
elif image[i] > maximum:
    image[i] = 1
else:
    image[i] = (image[i] - minimum) / r

错误＃2

如果您的原始数组是dtype=int并且您将值放入其中，它们将被强制转换为int 。 这意味着任何float将被舍入。

a = np.array([1])
a[0] = 0.5
a

回报

array([0])

可以使用下面的矢量化解决方案解决此问题。

解

通常，在处理NumPy数组时，尽量不要使用循环。 使用矢量化函数可以更快，更易读。

def stretch(image, minimum, maximum):
    image = (image - minimum) / (maximum - minimum)
    image[image < 0] = 0
    image[image > 1] = 1
    return image

一个示例（已更新为int ，如@MrT所指出，它对于image更现实）：

a = np.arange(1, 4).reshape(2, 2)
stretch(a, 1, 3)

回报

array([[0. , 0.5],
       [1. , 1. ]])