如何加快Python中类似函数的卷积？

Question

我从这里开始使用卷积代码，但不是让卷积的结果为k = (roi * K).sum()而是希望能够更改应用于(roi * K)的运算。 例如： np.std(roi * K)或min(roi * K) 。

不幸的是，此代码并未针对快速运行进行优化，我希望它能更快地运行。

我试图找到一个已经实现的方法，但是没有找到任何方法。 如果那里有这样的东西并且执行迅速，那将是很好的。 如果不是，那么优化此代码的最佳策略是什么？

稍微调整代码以打印执行时间，结果如下：

[INFO] applying small_blur kernel
Convolve Time: 2.21276
OpenCV Time: 0.00088
Ratio Convolve/OpenCV: 2519.95248
[INFO] applying large_blur kernel
Convolve Time: 2.50598
OpenCV Time: 0.00611
Ratio Convolve/OpenCV: 410.16292
[INFO] applying sharpen kernel
Convolve Time: 2.10106
OpenCV Time: 0.00027
Ratio Convolve/OpenCV: 7750.65084
[INFO] applying laplacian kernel
Convolve Time: 2.10883
OpenCV Time: 0.00019
Ratio Convolve/OpenCV: 11111.88317
[INFO] applying sobel_x kernel
Convolve Time: 2.16267
OpenCV Time: 0.00021
Ratio Convolve/OpenCV: 10474.46882
[INFO] applying sobel_y kernel
Convolve Time: 2.09571
OpenCV Time: 0.00022
Ratio Convolve/OpenCV: 9513.05519
[INFO] applying emboss kernel
Convolve Time: 2.10961
OpenCV Time: 0.00026
Ratio Convolve/OpenCV: 8125.21671

Answer 1

您可以尝试看看numba

Numba使用行业标准的LLVM编译器库在运行时将Python函数转换为优化的机器代码。 Python中Numba编译的数值算法可以达到C或FORTRAN的速度。

如果您的代码是数字定向的（做大量的数学运算），使用NumPy的次数很多和/或有很多循环，那么Numba通常是一个不错的选择。 在这些示例中，我们将应用Numba的JIT装饰器中最基本的@jit来尝试加速某些功能，以演示什么有效，哪些无效。

您可以通过安装

$ pip install numba

用法就像在函数顶部调用@jit装饰器一样简单。