1

在实现类似于 ImageJ 的Kuwahara过滤器的边缘保留过滤器时，它将每个像素分配给周围偏差最小的区域的平均值，我正在努力解决性能问题。

与直觉相反，与最终编译输出数组相比，计算分离矩阵的均值和偏差要快。不过，上面的 ImageJ 实现似乎预计这一步的总处理时间约为 70%。

给定两个数组均值和标准差，其大小比每个轴上的输出数组“res”大 2 个内核大小 p，我想将一个像素分配给具有最小偏差的区域的平均值：

#vector to middle of surrounding area (approx.)
p2 = p/2

# x and y components of vector to each quadrant
index2quadrant = np.array([[1, 1, -1, -1],[1, -1, 1, -1]]) * p2

迭代形状 (asize, asize) 的输出数组的所有像素：

for col in np.arange(asize) + p:
    for row in np.arange(asize) + p:

在当前坐标周围的 4 个象限中搜索最小标准差，并使用相应的索引来分配先前计算的平均值：

        minidx = np.argmin(stds[index2quadrant[0] + col, index2quadrant[1] + row])

        #assign mean
        res[col - p, row - p] =  means[index2quadrant[:,minidx][0] + col,index2quadrant[:,minidx][1] + row]

Python 分析器在使用 8x8 像素内核过滤 1024x1024 数组时给出以下结果：

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
    1    0.000    0.000   30.024   30.024 <string>:1(<module>)
1048576    2.459    0.000    4.832    0.000 fromnumeric.py:740(argmin)
    1   23.720   23.720   30.024   30.024 kuwahara.py:4(kuwahara)
    2    0.000    0.000    0.012    0.006 numeric.py:65(zeros_like)
    2    0.000    0.000    0.000    0.000 {math.log}
1048576    2.373    0.000    2.373    0.000 {method 'argmin' of 'numpy.ndarray' objects}
    1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
    2    0.012    0.006    0.012    0.006 {method 'fill' of 'numpy.ndarray' objects}
 8256    0.189    0.000    0.189    0.000 {method 'mean' of 'numpy.ndarray' objects}
16512    0.524    0.000    0.524    0.000 {method 'reshape' of 'numpy.ndarray' objects}
 8256    0.730    0.000    0.730    0.000 {method 'std' of 'numpy.ndarray' objects}
 1042    0.012    0.000    0.012    0.000 {numpy.core.multiarray.arange}
    1    0.000    0.000    0.000    0.000 {numpy.core.multiarray.array}
    2    0.000    0.000    0.000    0.000 {numpy.core.multiarray.empty_like}
    2    0.003    0.002    0.003    0.002 {numpy.core.multiarray.zeros}
    8    0.002    0.000    0.002    0.000 {zip}

对我来说，没有太多的迹象（-> numpy？），时间丢失了，因为除了 argmin，总时间似乎可以忽略不计。

你有什么建议，如何提高性能？

4

0 回答 0