python - 通过向量化使用 for 和 if-else 加速 numpy 插值？

Question

最近，我发现瓶颈(速度变慢 - 特别是对于大型 3D 数组输入)来自于这样的代码部分:

for i in range(0, height):
    for j in range(0, width):
        for k in range(0, color_channels):
            if k == 0:
                u = 2
            elif k==2:
                u = 0
            else:
                u = 1

            if ra[i,j,k] < cr[0, u]:
                im[i, j, k] = 0
            elif ra[i,j,k] > cr[255, u]:
                im[i, j, k] = 255
            else:
                p = np.argmin(np.abs(ra[i,j,k]-cr[:,u]))

                if ra[i,j,k] >= cr[p,u]:
                    p1 = p
                    p2 = p+1
                elif ra[i,j,k] < cr[p,u]:
                    p2 = p
                    p1 = p-1

                im[i,j,k] = (ra[i,j,k]-cr[p1,u])/(cr[p2,u]-cr[p1,u]) + p1 - 1

我一直认为速度变慢可能是由于必须访问各个元素、在每个步骤中执行 if-else 条件检查造成的。

我可以检查是否可以矢量化整个代码片段，而不是现在的逐元素检查方法吗？ (意思是在内存中尽可能压缩代码，这样我可以在执行相同操作的同时获得更好的速度提升)

我想到了np.where(ra[i,j,k] < cr[0,u], 0, 255)或使用三元运算符 im[i,j,k] = 0 if rad[i,j,k] < crf[0,u] else 255....但我不知道如何将其扩展到 if-elif-else。

已编辑

输入:转换ra[:,:,0:2]通过查找“表”cr[:,0:2] 。来自 k至u ，这只是将 BGR 转换为 RGB 的值的翻转。边境案件位于 cr[0,u] & cr[255,u]哪里u是颜色 channel ，因此当它是 cr[0,u] < ra[i,j,k] < cr[255,u] 时会进行进一步处理。 。

ra:(288,432,3)

[[[ 0.01468986  0.01744777  0.02015795]
  [ 0.01174445  0.01728123  0.01949396]
  [ 0.01320375  0.017014    0.02134987]
  ..., 
  [ 0.00914649  0.00453902  0.00635094]
  [ 0.0092403   0.00457775  0.00643213]
  [ 0.00901172  0.00452492  0.00629017]]]

cr:(256,3)

  0:[[  9.80195026e-04   6.22477547e-04   8.85527540e-04]
  1: [  1.70410880e-03   1.03346918e-03   1.51404258e-03]
     ...
254: [  1.00000000e+00   9.43613146e-01   8.04093277e-01]
255: [  1.00000000e+00   9.43613146e-01   8.04093277e-01]]

输出:im[:,:,:] - Numpy 数组表示具有所有 3 个颜色 channel 的 RGB 图像，因此需要裁剪范围 (0-255)。

即时通讯:(288,432,3)

[[[ 25.89789215  31.5206012   30.38701142]
  [ 19.66823847  31.2260846   29.3507531 ]
  [ 22.74473678  30.75871397  32.40058188]
  ...,
  [ 14.79645237   7.14786503   6.78260893]
  [ 14.96887532   7.22807609   6.9330227 ]
  [ 14.54876706   7.11865354   6.6700264 ]]]

Answer 1

您的代码通过执行线性插值来转换 ra 中的值，以获得 cr 中相应的行索引。整套嵌套循环可以使用 np.interp 替换:

# indices between 0 and 255, corresponding to the rows of cr
idx = np.arange(cr.shape[0])

im = np.empty_like(ra)
im[..., 0] = np.interp(ra[..., 0], cr[:, 2], idx) # red
im[..., 1] = np.interp(ra[..., 1], cr[:, 1], idx) # green
im[..., 2] = np.interp(ra[..., 2], cr[:, 0], idx) # blue

由于最后一行的 - 1，您的代码示例实际上生成了 -1 到 254 之间的值，因此为了完全匹配您的原始结果，您还需要从 中减去 1 >我。根据您问题的措辞，我认为这是您代码中的错误。