加速Numpy数组/ OpenCV cv2映像的迭代

Question

我有3个numpy形状的阵列>（500,500）。 我试图同时迭代它们。 我尝试过两种不同的方法，但两种方法都很慢。

这里Ix_Ix_blur ， Ix_Iy_blur和Iy_Iy_blur具有相同的大小。 我正在尝试查找功能并在OpenCV图像上绘制它。

---

方法1：

for i in xrange (Ix_Ix_blur.shape[1]):
    for j in xrange(Ix_Ix_blur.shape[0]):
        A = np.array([ [Ix_Ix_blur[j][i], Ix_Iy_blur[j][i]], 
            [Ix_Iy_blur[j][i], Iy_Iy_blur[j][i]] ])
        detA = (A[0][0]*A[1][1])-(A[0][1]*A[1][0])
        traceA = A[0][0]+A[1][1]

        harmonic_mean = detA/traceA
        if(harmonic_mean > thresh):
            cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)

对于尺寸为512 * 512的图像，这需要大约7 seconds

---

方法2：

Ix_Iy_blur_iter = np.nditer(Ix_Iy_blur)
Iy_Iy_blur_iter = np.nditer(Iy_Iy_blur)
Ix_Ix_blur_iter = np.nditer(Ix_Ix_blur)

while(not Ix_Iy_blur_iter.finished):
    try:
        A = np.array([[Ix_Ix_blur_iter.next(), Ix_Iy_blur_iter.next()],[Ix_Iy_blur_iter.value, Iy_Iy_blur_iter.next()]])
    except StopIteration:
        break
    detA = (A[0][0]*A[1][1])-(A[0][1]*A[1][0])
    traceA = A[0][0]+A[1][1]

    harmonic_mean = detA/traceA
    if(harmonic_mean > thresh):
        i = Ix_Ix_blur_iter.iterindex/Ix.shape[0]
        j = Ix_Ix_blur_iter.iterindex - Ix.shape[0]*i
        cv2.circle(img, (j,i), 1, (0, 0, 255), -1, 8)

此方法似乎还需要7 seconds来迭代相同大小的图像。

有没有其他方法可以减少迭代所需的时间？

组态：

• Ubuntu 12.04
• 第三代核心i5处理器
• 4 GB RAM
• 2 GB ATI RADEON GPU（我已经关闭）

Answer 1

首先，您可以使用Ix_Ix_blur[j, i]而不是Ix_Ix_blur[j][i] 。 Ix_Ix_blur[j][i]将创建一个非常慢的临时数组。

要使用ndarray加速元素访问，可以使用item（）方法，它返回python本机数值，而不需要创建临时数组A.使用本机数值计算比numpy标量更快。

for i in xrange (Ix_Ix_blur.shape[1]):
    for j in xrange(Ix_Ix_blur.shape[0]):
        a, b, c = Ix_Ix_blur.item(j, i), Ix_Iy_blur.item(j, i), Iy_Iy_blur.item(j, i)
        detA = a*c - b*b
        traceA = a + c
        harmonic_mean = detA/traceA
        if harmonic_mean > thresh:
            cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)

对于您的特定问题，没有必要在循环中进行计算，您可以：

detA = Ix_Ix_blur * Iy_Iy_blur - Ix_Iy_blur**2
traceA = Ix_Ix_blur + Iy_Iy_blur
harmonic_mean = detA / traceA
for j, i in np.argwhere(harmonic_mean > thresh):
    cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)