python - 如何使用 numpy 有效地制作脉冲噪声图像？

Question

我一直在尝试使用以下代码创建嘈杂的图像:

def toImpulse(img, coef=1.2): # img - > 3dim numpy array, returns impulse image
    bmp = np.zeros(shape=(img.shape[0], img.shape[1], 1), dtype=np.float)
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            bmp[i][j] = sum(img[i][j]) / 3

在这里，我对 RGB channel 求和并使图像成为单 channel ？我想它可以写成 numpy.sum()

    sum_ = 0
    max_ = np.amax(bmp)
    final = np.zeros(img.shape)
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            sum_ += bmp[i][j]
            if sum_ >= coef * max_:
                final[i][j] = 1
                sum_ -= coef * max_
            else:
                final[i][j] = 0

    return final

但它在实时视频处理中出现了非常缓慢的情况。如何使用 NumPy 提高效率？这是该功能的工作示例
The original image
Noisy image

Answer 1

您的代码在我的机器上需要 539 毫秒。如果我使用 Numpy 计算 3 个颜色 channel 的平均值并避免将零写入输出图像，因为它已经像这样初始化为零:

def metoImpulse(img, coef=1.2):
    # Get mean of the 3 colour channels
    bmp = np.mean(img, axis=-1, dtype=np.float32)
    sum_ = 0
    max_ = np.amax(bmp)
    final = np.zeros_like(img[...,0])
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            sum_ += bmp[i][j]
            if sum_ >= coef * max_:
                final[i][j] = 1
                sum_ -= coef * max_
    return final

时间从 539ms 下降到 257ms。如果我然后通过在我的函数之前添加一个装饰器来使用 Numba:

@jit(parallel=True)
def metoImpulse(img, coef=1.2):
   # Get mean of the 3 colour channels
   bmp = np.mean(img, axis=-1, dtype=np.float32)
   sum_ = 0
   max_ = np.amax(bmp)
   final = np.zeros_like(img[...,0])
   for i in range(img.shape[0]):
      for j in range(img.shape[1]):
         sum_ += bmp[i][j]
         if sum_ >= coef * max_:
            final[i][j] = 1
            sum_ -= coef * max_
   return final

时间从 257ms 下降到 1.11ms。

输入图像:



输出图像: