Matlab上的bwlabeln和Python上的skiliage.measure.label之间的性能差异？

Question

我目前正在将一个执行图像分析的Matlab程序转换成Python。该程序的一个特定部分利用bwlabeln以顺序递增的标签标记3D矩阵中的各种组件。我在skimage.measure包中找到了一个非常类似的函数，名为label，它基本上做着完全相同的事情。然而，我发现当在两个程序之间使用相同大小和数据类型的输入矩阵时，Matlab上的bwlabeln运行速度明显快于Python中的label（几乎快4倍）

我想知道这是什么原因，是否有任何方法可以加速Python代码或提高性能

在这两个函数中，我都使用了26个连通的邻域，这两个邻域在默认情况下似乎都是这样的，但为了确保这一点，我进一步将其指定为参数

Answer 1

scikit图像算法能够标记整数数组，即大于0和1的值。因此，它与仅限于0和1（假和真）的Matlab算法不同。您可以使用来自scipy.ndimage的label算法，它在下面定义的二值图像上确实快了4倍，因此您应该能够使用此函数匹配Matlab的速度

In [1]: from scipy import ndimage                                               

In [2]: from skimage import measure                                             

In [3]: from skimage import data                                                                                             

In [5]: img = data.binary_blobs(length=256, blob_size_fraction=0.25, n_dim=3)   

In [6]: %timeit labels = ndimage.label(img)                                     
161 ms ± 2.08 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [7]: %timeit labels = measure.label(img)                                     
629 ms ± 6.07 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)