5

我是使用 OpenCV、Python 和 Numpy 的新手，但现在已经是 Java、C++、C 程序员一段时间了。

我正在实现一个 sigma-delta 背景检测器，它执行以下操作：

让 i1 成为第一张图片，让 i2 成为第二张图片

    for each pixel:
    if i1(x,y) > i2(x,y), then i2(x,y) = i2(x,y) + 1
    if i1(x,y) < i2(x,y), then i2(x,y) = i2(x,y) - 1

我基本上是在尝试遍历 2D 图像数组并将像素值与其他图像进行比较，但我正在努力使用 for 循环来处理 numpy 数组。我尝试使用嵌套的 for 循环，但我收到一条错误消息，提示我无法访问该数组的元素。

编辑：

for x in range (width):
    for y in range (height):
        if Mt [x,y] > It[x,y]:
            Mt [x,y] = Mt[x,y]+1
        elif Mt [x,y] < It[x,y]:
            Mt [x,y] = Mt[x,y]-1

这是有效的，但似乎不是很优雅或高效。我希望有一个更快的解决方案...

任何建议都将受到欢迎

4

1 回答 1

7

这是一个矢量化代码的好地方，用于解释和演示。

#Generate two random arrays, shape must be the same
>>> Mt = np.random.rand(2,2)
>>> It = np.random.rand(2,2)
>>> Mt
array([[ 0.47961753,  0.74107574],
       [ 0.94540074,  0.05287875]])
>>> It
array([[ 0.86232671,  0.45408798],
       [ 0.99468912,  0.87005204]])

#Create a mask based on some condition
>>> mask = Mt > It
>>> mask
array([[False,  True],
       [False, False]], dtype=bool)

#Update in place
>>> Mt[mask]+=1
>>> Mt[~mask]-=1  #Numpy logical not
>>> Mt
array([[-0.52038247,  1.74107574],
       [-0.05459926, -0.94712125]])

您可能需要创建第二个掩码，因为目前减法掩码Mt <= It不是Mt < It，但它是演示逻辑 not 的好地方。

要准确地重现您的代码，请改用：

Mt[Mt > It]+=1
Mt[Mt < It]-=1

因为我对这些东西感兴趣：

 def looper(Mt,It):
     for x in range (Mt.shape[0]):
         for y in range (Mt.shape[1]):
             if Mt [x,y] > It[x,y]:
                Mt [x,y] +=1
             elif Mt [x,y] < It[x,y]:
                Mt [x,y] -=1

nlooper = autojit(looper)

Mt = np.random.rand(500,500)
It = np.random.rand(500,500)

%timeit looper(Mt,It)
1 loops, best of 3: 531 ms per loop

%timeit Mt[Mt > It]+=1;Mt[Mt < It]-=1
100 loops, best of 3: 2.27 ms per loop

%timeit nlooper(Mt,It)
1 loops, best of 3: 308 µs per loop

autojit是numba模块中用于 python/numpy 的 JIT 编译器。

于 2013-09-12T17:49:43.730 回答