如何簡化以下代碼以使其運行得更快？

Question

我有一個包含許多二維圖像（幀）的三維數組。 我想通過考慮每個像素值的閾值來刪除背景，並在新的 3D 數組中復制新元素。 我編寫了以下代碼行，但運行起來成本太高。 我怎樣才能加快這段代碼？

ss = stack #3D array (571, 1040, 1392)
T,ni,nj = ss.shape
Background_intensity = np.ones([T,ni,nj])
Intensity = np.zeros([T,ni,nj])
DeltaF_F_max = np.zeros([T,ni,nj])
for t in range(T):
    for i in range(ni):
        for j in range(nj):
            if ss[t,i,j]<12:
                Background_intensity[t,i,j] = ss[t,i,j]
                if Background_intensity[t,i,j] == 0 :
                    Background_intensity[t,i,j] = 1
            else:
                Intensity[t,i,j] = ss[t,i,j]
            DeltaF_F_max[t,i,j]=(((Intensity[t,i,j] - Background_intensity[t,i,j])))/(Background_intensity[t,i,j])

Answer 1

我有一個 go 和 Numpy。我不確定你得到了什么結果，但在我的 Mac 上大約需要 20 秒。 即使在我將所有大小都減少了 8 倍之后，它還是一頭 memory 豬，因為您不需要int64來存儲1或小於12或255的數字。

我想知道您是否需要在一個 go 中全部處理 571 張圖像，或者您是否可以在獲取圖像時“即時”處理它們，而不是將它們全部收集在一個巨大的塊中。

您還可以考慮使用Numba執行此操作， for它非常擅長優化循環 - 嘗試將[numba]放在上面的搜索框中，或查看此示例 - 使用prange來並行化跨 CPU 內核的循環。

無論如何，這是我的代碼：

#!/usr/bin/env python3

# https://stackoverflow.com/q/71460343/2836621

import numpy as np

T, ni, nj = 571, 1040, 1392

# Create representative input data, such that around 1/3 of it is < 12 for testing
ss = np.random.randint(0,36,(T,ni,nj), np.uint8)

# Ravel into 1-D representation for simpler indexing
ss_r = ss.ravel()

# Create extra arrays but using 800MB rather than 6.3GB each, also ravelled
Background_intensity = np.ones(T*ni*nj, np.uint8)
Intensity = np.zeros(T*ni*nj, np.uint8)

# Make Boolean (True/False) mask of elements below threshold
mask = ss_r < 12
# Quick check here - print(np.count_nonzero(mask)/np.size(ss)) and check it is 0.333

# Set Background_intensity to "ss" according to mask
Background_intensity[mask] = ss_r[mask]

# Make sure no zeroes present
Background_intensity[Background_intensity==0] = 1

# This corresponds to the "else" of your original "if" statement
Intensity[~mask] = ss_r[~mask]

# Final calculation and reshaping back to original shape
DeltaF_F_max = (Intensity - Background_intensity)/Background_intensity
DeltaF_F_max.reshape((T,ni,nj))