[英]Find distance between all pairs of pixels in an image
我有一个形状为(H, W)
的numpy.array
,用于存储图像的像素强度。 我想生成一个新的形状数组(H, W, H, W)
,它存储图像中每对像素之间的欧几里德距离(像素之间的“空间”距离;而不是它们的强度差异)。
以下方法完全符合我的要求,但速度非常慢。 我正在寻找一种快速的方法来做到这一点。
d = numpy.zeros((H, W, H, W)) # array to store distances.
for x1 in range(H):
for y1 in range(W):
for x2 in range(H):
for y2 in range(W):
d[x1, y1, x2, y2] = numpy.sqrt( (x2-x1)**2 + (y2-y1)**2 )
这是我的问题的更多详细信息。 上面更简单问题的解决方案可能足以让我弄清楚其余的问题。
(H, W, D)
的numpy.array
)。我们可以使用np.ogrid
设置具有1D
范围数组的开放网格,它可以在矢量化解决方案的相同迭代器符号中进行操作,这将利用broadcasting
进行性能。 促进 :
X1,Y1,X2,Y2 = np.ogrid[:H,:W,:H,:W]
d_out = numpy.sqrt( (X2-X1)**2 + (Y2-Y1)**2 )
要保存在两个开放网格上:
X,Y = np.ogrid[:H,:W]
d_out = numpy.sqrt( (X[:,:,None,None]-X)**2 + (Y[:,:,None,None]-Y)**2 )
如果我们正在处理大型数组,请考虑使用numexpr
进一步提升:
import numexpr as ne
d_out = ne.evaluate('sqrt( (X2-X1)**2 + (Y2-Y1)**2 )')
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.