python - Python中的迭代多维数组

Question

我想使用滑动窗口计算图像上的一些操作(GLCM)。实现它的代码是:

import numpy as np
from skimage.feature import greycomatrix, greycoprops

from numpy.lib.stride_tricks import as_strided

image = np.arange(36).reshape((6,6))

window = 5

result = np.zeros(image.shape)
for i in xrange(window/2,image.shape[0]-window/2):
    for j in xrange(window/2,image.shape[1]-window/2):
        sample = image[i-(window/2):i+(window/2)+1, j - (window/2):j+(window/2)+1]
        glcm = greycomatrix(sample, [1], [0], 256, symmetric=False, normed=True)
        result[i,j] = greycoprops(glcm, 'contrast')[0, 0]

它可以工作，但是两个 for 循环非常昂贵。我想提高速度，因此，在网上环顾四周，我尝试使用 as_stride 技巧:

from numpy.lib.stride_tricks import as_strided

image = np.arange(36).reshape((6,6))

window = 5

y = as_strided(image,shape=(image.shape[0] - window + 1,\
                            image.shape[1] - window + 1,) +\
               (window,window),  strides=image.strides * 2)

例如，要计算第一个窗口的 GLCM:

glcm = greycoprops(greycomatrix(y[0,0], [1], [0], 256, symmetric=False, normed=True))[0][0]

我尝试将所有滑动窗口申请为:

glcm[:,:] = greycoprops(greycomatrix(y[:,:], [1], [0], 256, symmetric=False, normed=True))[0][0]

但在这种情况下，y[:,:]没有ndim==2如y[0,0]但是ndim==4 ， 所以 。我找不到一种方法以智能方式迭代所有保持 ndim == 2 的子集。 (greycomatrix 函数需要)。

编辑

我尝试使用 ravel 并处理一维向量，因此，只需 1 个 for 循环。这是代码:

a = y.ravel()
print a.shape
glcm=np.zeros(a.shape[0]/(window*window))
for i in np.arange(a.shape[0]/(window*window)):
    glcm[i] = greycoprops(greycomatrix(a[i*25:i*25+25].reshape(5,5), [1], [0], 256, symmetric=False, normed=True))[0][0]

result= glcm.reshape(y.shape[0],y.shape[1])

处理时间增加...

Answer 1

既然你忘了真正问一个问题，我就假设它是

How do I make this run fast?

好吧，在这种情况下，严酷的事实是，尽管 python 会得到很好的结果，但与单个像素相比，进行大量切片的 python for 循环总是相对昂贵的操作。

因此，如果您关心速度，您应该使用允许获取 python 绑定(bind)的语言实现一些函数(例如，带有 cpython 的 C)，并使用该函数。