Python 和 wx.Image : How to apply a simple function to every pixel FAST?

Question

我正在处理

1. myWxImage，图像。
2. myLabelImage，一个与图像形状相同的 numpy 数组，每个像素包含一个标签(整数)
3. myLookupTable，一维 numpy 数组，即向量，其条目数与标签数相同。 (我用它来将标签映射到 float 。)

目标是迭代像素，对于每个像素，考虑其标签，查找相应的 float 并将其与该像素的颜色相乘。

下面的代码正是这样做的，但是太慢。您是否有一个简单的建议，如何在不诉诸 C++ 或 GPU 编程的情况下更快地完成此任务，这当然在这里很有意义？

weightedImage = wx.EmptyImage(myWxImage.Width, myWxImage.Height)
rgb = numpy.zeros(3, dtype=int);
for x in range(0, myWxImage.Width):
    for y in range(0, myWxImage.Height):
        label = myLabelImage[x, y]
        weight = myLookUpTable[label]
        rgb[0] = myWxImage.GetRed(x, y)
        rgb[1] = myWxImage.GetGreen(x, y)
        rgb[2] = myWxImage.GetBlue(x, y)
        rgb = rgb * weight
        weightedImage.SetRGB(x, y, rgb[0], rgb[1], rgb[2])
myBitmap = wx.BitmapFromImage(weightedImage)

# draw myBitmap

Answer 1

如果标签图像和查找表不变，您可以尝试以下方法:

1. 将权重向量预先计算为一维 numpy float 组( reshape +查找)，
2. 使用wxImage GetData调用获取RGB图像数据
3. 使用 fromstring 将其转换为 numpy 数组
4. 使用 numpy 按元素相乘得到最终图像
5. 使用 numpy array.tostring + wxImage.SetData 将其转回图像

直接在图像缓冲区本身上进行乘法(使用 GetDataBuffer )可能比通过 numpy 数组往返更快；你得花点时间看看。