如何加快Python中類似函數的卷積？

Question

我從這里開始使用卷積代碼，但不是讓卷積的結果為k = (roi * K).sum()而是希望能夠更改應用於(roi * K)的運算。 例如： np.std(roi * K)或min(roi * K) 。

不幸的是，此代碼並未針對快速運行進行優化，我希望它能更快地運行。

我試圖找到一個已經實現的方法，但是沒有找到任何方法。 如果那里有這樣的東西並且執行迅速，那將是很好的。 如果不是，那么優化此代碼的最佳策略是什么？

稍微調整代碼以打印執行時間，結果如下：

[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

您可以嘗試看看numba

Numba使用行業標准的LLVM編譯器庫在運行時將Python函數轉換為優化的機器代碼。 Python中Numba編譯的數值算法可以達到C或FORTRAN的速度。

如果您的代碼是數字定向的（做大量的數學運算），使用NumPy的次數很多和/或有很多循環，那么Numba通常是一個不錯的選擇。 在這些示例中，我們將應用Numba的JIT裝飾器中最基本的@jit來嘗試加速某些功能，以演示什么有效，哪些無效。

您可以通過安裝

$ pip install numba

用法就像在函數頂部調用@jit裝飾器一樣簡單。