python - 如何更快地一次绘制数千个圆 openCv - (也许使用 GPU)

Question

我需要在图像的给定区域(视频帧)上绘制数千个点。

使用循环是最简单的方法。

    while i < num:
        x = random.randint(min_x, max_x)
        y = random.randint(min_y, max_y)
        //this if is to check the the random points are within the original shape
        if cv2.pointPolygonTest(contour, (int(x), int(y)), False)==1:
            cv2.circle(img, (int(x), int(y)), 2, color, -1)
            i = i+1;

这个过程需要很长时间才能完成。

我怎样才能更有效地实现这一目标？

Answer 1

也许可以使用几个技巧来加速它:

尝试摆脱循环并矢量化您的操作。
您可以通过传递 size 来矢量化 (x, y) 点生成。至random.randint .如果过滤后它们不等于num ，您可以生成另一个集合。

而不是 pointPolygonTest ，也许你可以试试matplotlib.path.Path.contains_points它对点向量而不是单个点进行操作。

对于圆圈，一旦你过滤了所有的圆圈中心，创建一个全零图像来绘制你的圆圈，然后在这个图像中标记中心(再次，矢量化)。如果您想要彩色圆圈，则必须将像素值设置为每个 channel 的适当灰度级。然后使用具有所需半径的圆形结构元素进行扩张。对于小半径，这些圆圈应该没问题。或者，您也可以尝试高斯模糊，因为如果您将高斯与脉冲进行卷积，它会给您一个高斯，而对称高斯将类似于图像中的一个圆圈。如果您的圆圈大小相同，您也可以使用 filter2D 来执行此操作。如果膨胀结果不好，您可以创建自己的类似于您想要的圆圈的内核，然后将其与中心图像进行卷积。

从此 circles 复制所有非零像素图像到您的img使用 circles图像作为掩码。

创建圆圈的简单示例:

import numpy as np
import cv2 as cv

# create random centers for circles
img = np.random.randint(low=0, high=1000, size=(256, 256))
img = np.uint8(img < 1) * 255
# use Gaussian bluer to create cricles
img1 = cv.GaussianBlur(img, (9, 9), 3)*20
# use morphological dilation bluer to create cricles
se = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5, 5))
img2 = cv.dilate(img, se)

中心:



使用膨胀的圆圈:



使用高斯模糊的圆: