加速python (OpenCV)中与傅里叶相关的变换计算
加速python (OpenCV)中与傅里叶相关的变换计算
提问于 2014-02-28 11:20:37
我有一个图像，我需要计算一个与傅立叶相关的变换，它被称为短时傅立叶变换(关于额外的数学信息，检查：transform)。
为了做到这一点，我需要：
(1)在图像(x，y)=(M/2，M/2)的起始像素处放置窗口
(2)使用此窗口截断图像
(3)计算截断图像的FFT，保存结果。
(4)将窗口逐步向右滑动
(5)进入步骤3，直到窗口到达图像的末尾
但是我需要实时地进行计算.但是它很慢！
是否有办法加快这一既定进程？
我还包括我的代码：
height, width = final_frame.shape
M=2
for j in range(M/2, height-M/2):
for i in range(M/2, width-M/2):
face_win=final_frame[j-M/2:j+M/2, i-M/2:i+M/2]
#these steps are perfomed in order to speed up the FFT calculation process
height_win, width_win = face_win.shape
fftheight=cv2.getOptimalDFTSize(height_win)
fftwidth=cv2.getOptimalDFTSize(width_win)
right = fftwidth - width_win
bottom = fftheight - height_win
bordertype = cv2.BORDER_CONSTANT
nimg = cv2.copyMakeBorder(face_win,0,bottom,0,right,bordertype, value = 0)
dft = cv2.dft(np.float32(face_win),flags = cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)
magnitude_spectrum = 20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))回答 1
Stack Overflow用户
回答已采纳
发布于 2014-02-28 14:17:18
当然，您的大部分时间将花在FFT和其他转换代码上，但我尝试对其他部分进行简单的优化。
变化
- 帧大小计算是相同的每一个循环，所以把它们移出(~零改进)
- 从uint8到float32的类型强制可以在整个图像上执行一次，而不是对每个帧进行转换。(微小但可衡量的改进)
- 如果窗口大小已经与最佳大小相同(我猜如果你将M保持为2的幂)，那么不要做边缘复制。只需按原样使用
face_win视图即可。(微小但可衡量的改进)
全面改善26s -> 22s。不多，但它在那儿。
独立代码(只需添加1024x768.jpg)
import time
import cv2
import numpy as np
# image loading for anybody else who wants to use this
final_frame = cv2.imread('1024x768.jpg')
final_frame = cv2.cvtColor(final_frame, cv2.COLOR_BGR2GRAY)
final_frame_f32 = final_frame.astype(np.float32) # moved out of the loop
# base data
M = 4
height, width = final_frame.shape
# various calculations moved out of the loop
m_half = M//2
height_win, width_win = [2 * m_half] * 2 # can you even use odd values for M?
fftheight = cv2.getOptimalDFTSize(height_win)
fftwidth = cv2.getOptimalDFTSize(width_win)
bordertype = cv2.BORDER_CONSTANT
right = fftwidth - width_win
bottom = fftheight - height_win
start = time.time()
for j in range(m_half, height-m_half):
for i in range(m_half, width-m_half):
face_win = final_frame_f32[j-m_half:j+m_half, i-m_half:i+m_half]
# only copy for border if necessary
if (fftheight, fftwidth) == (height_win, width_win):
nimg = face_win
else:
nimg = cv2.copyMakeBorder(face_win, 0, bottom, 0, right, bordertype, value=0)
dft = cv2.dft(nimg, flags=cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)
magnitude_spectrum = 20 * np.log(cv2.magnitude(dft_shift[:, :, 0], dft_shift[:, :, 1]))
elapsed = time.time() - start
print elapsed错误
- 我在上面的代码中修正了这些，但是我没有编辑你的原稿，因为你可能打算这样做。
- 计算nimg，然后在dft中使用原始face_win。
- 为了明确起见，我将
M/2等更改为M//2
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/22093740
复制相关文章
相似问题
腾讯云开发者
