加速遍历Numpy数组/OpenCV cv2图像

Question

我有三个形状都大于 (500, 500) 的 numpy 数组。我想同时对它们进行遍历。但是我尝试了两种不同的方法，结果都很慢。

这里的 Ix_Ix_blur、Ix_Iy_blur 和 Iy_Iy_blur 大小是一样的。我想在 OpenCV 图像上找到特征并绘制出来。

---

方法一：

for i in xrange (Ix_Ix_blur.shape[1]):
    for j in xrange(Ix_Ix_blur.shape[0]):
        A = np.array([ [Ix_Ix_blur[j][i], Ix_Iy_blur[j][i]], 
            [Ix_Iy_blur[j][i], Iy_Iy_blur[j][i]] ])
        detA = (A[0][0]*A[1][1])-(A[0][1]*A[1][0])
        traceA = A[0][0]+A[1][1]

        harmonic_mean = detA/traceA
        if(harmonic_mean > thresh):
            cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)

处理一个 512*512 大小的图像大约需要 7 秒。

---

方法二：

Ix_Iy_blur_iter = np.nditer(Ix_Iy_blur)
Iy_Iy_blur_iter = np.nditer(Iy_Iy_blur)
Ix_Ix_blur_iter = np.nditer(Ix_Ix_blur)

while(not Ix_Iy_blur_iter.finished):
    try:
        A = np.array([[Ix_Ix_blur_iter.next(), Ix_Iy_blur_iter.next()],[Ix_Iy_blur_iter.value, Iy_Iy_blur_iter.next()]])
    except StopIteration:
        break
    detA = (A[0][0]*A[1][1])-(A[0][1]*A[1][0])
    traceA = A[0][0]+A[1][1]

    harmonic_mean = detA/traceA
    if(harmonic_mean > thresh):
        i = Ix_Ix_blur_iter.iterindex/Ix.shape[0]
        j = Ix_Ix_blur_iter.iterindex - Ix.shape[0]*i
        cv2.circle(img, (j,i), 1, (0, 0, 255), -1, 8)

这个方法处理同样大小的图像也似乎需要 7 秒。

有没有其他方法可以减少遍历所需的时间呢？

配置：

• Ubuntu 12.04
• 第三代 Core i5 处理器
• 4 GB 内存
• 2 GB ATI RADEON 显卡（我已经关闭了）

Answer 1

首先，你可以用 Ix_Ix_blur[j, i] 来代替 Ix_Ix_blur[j][i]。因为 Ix_Ix_blur[j][i] 会创建一个临时数组，这样会很慢。

为了加快访问 ndarray 中的元素，你可以使用 item() 方法，它会返回 Python 原生的数字值，这样你就不需要创建一个临时数组 A。用原生数字进行计算比用 numpy 的标量要快。

for i in xrange (Ix_Ix_blur.shape[1]):
    for j in xrange(Ix_Ix_blur.shape[0]):
        a, b, c = Ix_Ix_blur.item(j, i), Ix_Iy_blur.item(j, i), Iy_Iy_blur.item(j, i)
        detA = a*c - b*b
        traceA = a + c
        harmonic_mean = detA/traceA
        if harmonic_mean > thresh:
            cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)

针对你的具体问题，其实不需要在循环中进行计算，你可以：

detA = Ix_Ix_blur * Iy_Iy_blur - Ix_Iy_blur**2
traceA = Ix_Ix_blur + Iy_Iy_blur
harmonic_mean = detA / traceA
for j, i in np.argwhere(harmonic_mean > thresh):
    cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)