加速 Numpy 数组/OpenCV cv2 图像的迭代

我有 3 个形状 > (500, 500) 的 numpy 数组。我正在尝试同时迭代它们。我尝试了两种不同的方法，但都很慢。

Here Ix_Ix_blur, Ix_Iy_blur and Iy_Iy_blur大小相同。我正在尝试寻找特征并将其绘制在 OpenCV 图像上。

方法一：

for i in xrange (Ix_Ix_blur.shape[1]):
    for j in xrange(Ix_Ix_blur.shape[0]):
        A = np.array([ [Ix_Ix_blur[j][i], Ix_Iy_blur[j][i]], 
            [Ix_Iy_blur[j][i], Iy_Iy_blur[j][i]] ])
        detA = (A[0][0]*A[1][1])-(A[0][1]*A[1][0])
        traceA = A[0][0]+A[1][1]

        harmonic_mean = detA/traceA
        if(harmonic_mean > thresh):
            cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)

这需要大约7 seconds对于尺寸为 512*512 的图像

方法二：

Ix_Iy_blur_iter = np.nditer(Ix_Iy_blur)
Iy_Iy_blur_iter = np.nditer(Iy_Iy_blur)
Ix_Ix_blur_iter = np.nditer(Ix_Ix_blur)

while(not Ix_Iy_blur_iter.finished):
    try:
        A = np.array([[Ix_Ix_blur_iter.next(), Ix_Iy_blur_iter.next()],[Ix_Iy_blur_iter.value, Iy_Iy_blur_iter.next()]])
    except StopIteration:
        break
    detA = (A[0][0]*A[1][1])-(A[0][1]*A[1][0])
    traceA = A[0][0]+A[1][1]

    harmonic_mean = detA/traceA
    if(harmonic_mean > thresh):
        i = Ix_Ix_blur_iter.iterindex/Ix.shape[0]
        j = Ix_Ix_blur_iter.iterindex - Ix.shape[0]*i
        cv2.circle(img, (j,i), 1, (0, 0, 255), -1, 8)

这个方法似乎也采取7 seconds迭代相同大小的图像。

有没有其他方法可以减少迭代所需的时间？

配置：

• 乌班图12.04
• 第三代酷睿 i5 处理器
• 4 GB RAM
• 2 GB ATI RADEON GPU（我已关闭）

首先你可以使用Ix_Ix_blur[j, i]代替Ix_Ix_blur[j][i]. Ix_Ix_blur[j][i]将创建一个非常慢的临时数组。

要加速 ndarray 的元素访问，您可以使用 item() 方法，该方法返回 python 原生数值，并且不需要创建临时数组 A。使用原生数值进行计算比 numpy 标量更快。

for i in xrange (Ix_Ix_blur.shape[1]):
    for j in xrange(Ix_Ix_blur.shape[0]):
        a, b, c = Ix_Ix_blur.item(j, i), Ix_Iy_blur.item(j, i), Iy_Iy_blur.item(j, i)
        detA = a*c - b*b
        traceA = a + c
        harmonic_mean = detA/traceA
        if harmonic_mean > thresh:
            cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)

对于您的特定问题，不需要在循环中进行计算，您可以：

detA = Ix_Ix_blur * Iy_Iy_blur - Ix_Iy_blur**2
traceA = Ix_Ix_blur + Iy_Iy_blur
harmonic_mean = detA / traceA
for j, i in np.argwhere(harmonic_mean > thresh):
    cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)