加快numpy图像处理计算

我有一个非常简单的方法，将RGB图像转换为HSL并调整色相。这对于小图像文件来说工作速度相对较快，但大图像文件需要数分钟才能处理。我将imgdata转换为一个numpy数组，但是这似乎并没有加速它的发展。我是否只需要在循环内部使用numpy函数来加速呢？我无法准确找到循环内部的瓶颈，因为它只是相当简单的数学计算。加快numpy图像处理计算

from colorsys import rgb_to_hls, hls_to_rgb 
from numpy import array 

def reload_img(): 
    global img, sizew, sizeh, maxsize, imgdata 
    img = Image.open(IMAGE_SRC) 
    sizew, sizeh = img.size 
    maxsize = ((sizew/2)**2 + (sizeh/2)**2)**0.5 
    imgdata = list(img.getdata()) 
    # Convert to numpy array 
    imgdata = array(imgdata) 

IMAGE_SRC = "test.jpg" 
reload_img() 

# Adjust Hue 
for i in range(0,len(imgdata)): 
    r,g,b = imgdata[i] 
    r /= 255.0 
    g /= 255.0 
    b /= 255.0 
    (h, l, s) = rgb_to_hls(r,g,b) 
    h = .50 
    imgdata[i] = hls2rgb((h,l,s))

来源

2016-03-03 Michael

numpy的技巧是不使用python中的'for循环'。 Numpy默认以迭代的方式遍历ndarray元素，所以试着想出一种分割和使用布尔模板的方法，你会看到巨大的性能提升。 – willnx

我有一段时间有点类似的问题，但它可以帮助你：http://stackoverflow.com/questions/5414638/using-numpy-and-pil-to-convert-56516bit-color-to-88824bit-color - 它曾经是一个for循环，但你可以看到如何删除和数组操作被使用 – pyInTheSky

另外，如果你可以安装它，[scikit image]（http://scikit-image.org/docs/ dev/api/skimage.color.html＃rgb2hsv）已经通过Numpy解决了这个问题。 – willnx

这里有一个快速的，但不是超级精确的方法：

import numpy as np 
from PIL import Image 

def set_hue(img, hue): 
    """ 
    img - a PIL (pillow) image 
    hue - an integer in the range [0, 255] 

    Returns a new PIL (pillow) image in HSV mode 
    """ 
    hsv = img.convert('HSV') 
    hsv_ar = np.array(hsv) 
    hsv_ar[...,0] = hue 
    out = Image.fromarray(hsv_ar, mode='HSV') 
    return out

对于这个工作有点最近Pillow（PIL叉）的版本可能是必需的。速度很快，因为它使用缓冲区协议在PIL格式和Numpy阵列之间进行转换，反之亦然。但是色调修改的精度并不完美，因为每个像素只有24位的中间结果。

请注意，枕头没有HSL模式，所以我使用HSV。

来源

2016-03-03 13:40:06

加快numpy图像处理计算

回答

相关问题