python - numpy/scipy 中的平方差总和 (SSD)

Question

我正在尝试使用 Python 和 Numpy/Scipy 来实现图像处理算法。分析器告诉我很多时间都花在了以下函数（经常调用）上，它告诉我两个图像之间的平方差之和

def ssd(A,B):
    s = 0
    for i in range(3):
        s += sum(pow(A[:,:,i] - B[:,:,i],2))
    return s

我怎样才能加快速度？谢谢。

Answer 1

只是

s = numpy.sum((A[:,:,0:3]-B[:,:,0:3])**2)

sum((A-B)**2)（如果形状总是（，，，3 ） ，我预计很可能）

您还可以使用 sum 方法：((A-B)**2).sum()

正确的？

Answer 2

只是提到一个也可以使用np.dot：

def ssd(A,B):
  dif = A.ravel() - B.ravel()
  return np.dot( dif, dif )

这可能比使用np.sumand的替代方法更快并且可能更准确**2，但如果您想沿指定轴计算 ssd，则不起作用。在这种情况下，可能会有一个神奇的下标公式使用np.einsum.

Answer 3

我很困惑你为什么要服用i in range(3)。那应该是整个阵列，还是只是一部分？

总的来说，您可以用 numpy 中定义的操作替换其中的大部分内容：

def ssd(A,B):
    squares = (A[:,:,:3] - B[:,:,:3]) ** 2
    return numpy.sum(squares)

这样，您可以执行一项操作而不是三项操作，并且 usingnumpy.sum可以比 builtin 更好地优化添加sum。

Answer 4

进一步 Ritsaert Hornstra 的回答得到了 2 个负分（诚然，我没有看到它的原始形式......）

这是真的。

对于大量迭代，使用 '**' 运算符或 pow(x,y) 方法通常需要两倍的时间，而只是手动将这些对相乘。如果有必要使用 math.fabs() 方法，如果它抛出 NaN （它有时尤其是在使用 int16s 等时），它仍然只需要给定两个函数的大约一半时间。

对我知道的原始问题并不重要，但绝对值得知道。

Answer 5

我不知道 power 2 的 pow() 函数是否会很快。尝试：

def ssd(A,B):
    s = 0
    for i in  range(3):
        s += sum((A[:,:,i] - B[:,:,i])*A[:,:,i] - B[:,:,i])
    return s

Answer 6

你可以试试这个：

dist_sq = np.sum((A[:, np.newaxis, :] - B[np.newaxis, :, :]) ** 2, axis=-1)

可以在此处找到更多详细信息（“k-Nearest Neighbors”示例）： https ://jakevdp.github.io/PythonDataScienceHandbook/02.08-sorting.html

Answer 7

在 Ruby 语言中，您可以通过这种方式实现此目的

def diff_btw_sum_of_squars_and_squar_of_sum(from=1,to=100) # use default values from 1..100. 
((1..100).inject(:+)**2) -(1..100).map {|num| num ** 2}.inject(:+)
end

diff_btw_sum_of_squars_and_squar_of_sum #call for above method