python和opencv中的快速组件标签

Question

我作为实施的标记算法本文使用python和OpenCV。 它要求逐像素检查输入图像，并执行所谓的轮廓跟踪子例程，以将标签分配给二进制图像的斑点。

我设法使其运行，但它看起来非常慢。 对代码进行性能分析表明，访问像素的for循环似乎是瓶颈。 256px * 256px的图像大约需要200毫秒。 这大致是我的工作：

for i in image.height:
    for j in image.width:
        p = image[i, j]
            pa = image[i - 1, j]
            pb = image[i + 1, j] 
            # etc...

其中“ image”是二进制opencv映像。

我想知道是否有更快的方法可以将其用于视频应用程序。 对于相同的问题大小，我将目标运行时间定为40-50ms，以获得20-25fps。 10-15fps也可能是可以接受的（运行时间66-100ms）。

任何提示，想法我能做的都非常感谢。

Answer 1

我见过很多帖子，对缺少OpenCV标签感到遗憾。

正如@ malloc47所说， scipy.ndimage.label将起作用。 我使用过它，但是当我寻找图像中最大的斑点时，我对它的性能并不满意。 我并不是特别需要标签，因此最终使用了cv2.findContours和cv2.contourArea来隔离最大的标签：

# The [0] is because I didn't care about the hierarchy, which is the second
# return value of cv2.findContours.
contours = cv2.findContours(numpy_array,
                            mode=cv2.RETR_EXTERNAL,
                            method=cv2.CHAIN_APPROX_SIMPLE
                            )[0]

areas = [cv2.contourArea(ctr) for ctr in contours]
max_contour = [contours[areas.index(max(areas))]]

对于我来说，这比scipy.ndimage.label快得多，结果非常相似。 就像我说的那样，这并非完全是一种标签，但是可能可以使用轮廓查找器给出一个相当好的标签。

Answer 2

适用于Python的最新OpenCV绑定返回numpy数据类型，这意味着您可以使用完整的numpy武库。 通常使用ndenumerate循环遍历numpy中的2D数组（带有索引），这应该至少提供一点加速（因为它是为ND数组优化的单循环）。 您可以考虑使用numpy vectorize来提高速度，但是如果需要数组的索引，则需要ndenumerate 。

除此之外，您最好的选择可能是使用C编写瓶颈操作。

更新资料

如果有帮助的话，我相信scipy.ndimage.label确实可以完成您要尝试的操作，甚至可以使用相同的算法。