Python:NumPy数组的struct.pack和struct.unpack

Question

我正在探索struct.pack和struct.unpack的NumPy版本。我的特殊问题是将RGB值(r, g, b)转换为二进制

例如：

f = lambda r, g, b: struct.unpack('I', struct.pack('BBBB', r, g, b, 255))[0]
f(155, 156, 148)
#--> 4287929499

当我将此转换应用于图像（RGB的二维阵列）时，它会变得非常慢

例如：

import numpy as np
import struct

img_rgb = np.random.randint(0, 256, (480, 640, 3))
%%time
np.apply_along_axis(lambda rgb: struct.unpack('I', struct.pack('BBBB', rgb[0], rgb[1], rgb[2], 255))[0], 2, img_rgb)
#--> Wall time: 5.23 s

我的问题是struct.pack和struct.unpack是否存在NumPy版本？或者，如何使用NumPy使代码更快

Answer 1

在numpy中不需要^{}和^{}操作，因为它使用原始二进制数组，而不是将每个值单独包装到单独的对象中。通常，您使用的操作是^{}、^{}、^{}，有时是^{}

在您的特定情况下，您有和(M, N, 3)映像，您希望向其添加255个通道并将其转换为^{}：

img_rgb = np.random.randint(0, 256, size=(480, 640, 3))
img_rgba = np.concatenate((img_rgb.astype(np.uint8), np.full((*img_rgb.shape[:-1], 1), 255, dtype=np.uint8)), axis=-1)

通过将最后一个维度设置为大小4，可以确保现在可以直接以^{}的形式查看数据：

result = img_rgba.view(np.uint32)

结果将是形状(M, N, 1)。您可以使用^{}删除额外维度：

result = np.squeeze(img_rgba.view(np.uint32))

这并没有给你带来多少好处：它删除了方便的3通道表示，而不改变内存布局。将img_rgba或result转储到原始二进制文件将产生相同的结果

一般来说，像^{}这样的函数通常是numpy中的代码气味。它们并不比运行显式的for-循环好多少。您的目标应该始终是将代码矢量化，以便一次对所有元素执行操作