如何加速处理图像中的大量补丁？
如何加速处理图像中的大量补丁？
提问于 2019-07-19 02:47:22
我编写了一个处理图像的函数，在该函数中我提取了许多补丁，然后使用相同的函数(Func)处理它们以生成新的图像。但是，这是非常缓慢的，因为两个循环，func，补丁的数量，补丁的大小。我不知道该如何加速这段代码。
功能如下所示。
# code1
def filter(img, func, ksize, strides=1):
height,width = img.shape
f_height,f_width = ksize
new_height = height - f_height + 1
new_width = width - f_width + 1
new_img = np.zeros((new_height,new_width))
for i in range(new_height):
for j in range(new_width):
patch = img[i:i+f_height,j:j+f_width]
new_img[i][j] = func(patch)
return new_img功能可以非常灵活和耗时。我以一个为例。下面的函数要计算贴片中值的中心点。但是，我不希望那些值为255的像素计算中位数(255是无效像素的默认值)。所以我在numpy中使用了蒙面数组。蒙面数组使代码慢了好几次，我不知道如何优化它。
# code2
def relative_median_and_center_diff(patch, in_the_boundary, rectangle, center_point):
mask = patch == 255
mask[center_point] = True
masked_patch = np.ma.array(patch, mask=mask)
count = masked_patch.count()
if count <= 1:
return 0
else:
return patch[center_point]/(np.ma.median(masked_patch)+1)我尝试过或得到过的想法：
- 我在循环之前使用了一些numpy函数来提取补丁，希望这比
patch = img[i:i+f_height,j:j+f_width]更快。我找到了从Extracting patches of a certain size from the image in python efficiently中提取补丁的函数，一开始我尝试了从skimage.util.shape中提取view_as_windows。代码被更改如下所示。这比code1花费更多的时间。我还尝试了sklearn.feature_extraction.image.extract_patches_2d，发现这比code3快，但仍然比code1慢。(有人能告诉我为什么会这样吗？)
# code3
def filter(img, func, ksize, strides=1):
height,width = img.shape
f_height,f_width = ksize
new_height = height - f_height + 1
new_width = width - f_width + 1
new_img = np.zeros((new_height,new_width))
from skimage.util.shape import view_as_windows
patches = view_as_windows(img, (f_height,f_width))
for i in range(new_height):
for j in range(new_width):
patch = patches[i,j]
new_img[i][j] = func(patch)
return new_img- 这一操作有点像卷积或滤波，除了功能。我不知道他们怎么处理这件事，你们能给我一些线索吗？
- 在这种情况下，我们能避免两个循环吗？也许这能加速密码。
- 我有gpus。我是否可以更改代码以在gpus上运行，并使其并行处理补丁以使其更快？
- 将代码更改为C，这是我最不想做的事情，因为这可能有点混乱。
你们能给我一些想法或建议吗？
回答 1
Stack Overflow用户
发布于 2019-07-19 05:33:02
如果您的计算机有多个CPU，则可以通过将进程提交到ThreadPoolExecutor来多线程该进程。
您的代码应该如下所示：
from concurrent.futures import ThreadPoolExecutor
from multiprocessing import cpu_count()
executor = ThreadPoolExecutor(max_workers=cpu_count())
future = executor.submit(func, data, *args)
future_to_item[future] = data
for future in concurrent.futures.as_completed(future_to_item):
# do something when you get the result我一直使用ThreadPoolExecutor进行图像处理。
由于我们只有函数，而且不知道程序(完全)是如何工作的，所以检查一下Python中的并发性，这样您就可以更好地了解如何将其集成到代码中：https://docs.python.org/3/library/concurrent.futures.html
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/57104880
复制相关文章
相似问题
腾讯云开发者
