我使用纯 Python 创建了一个函数来模糊我提供的任何图像。现在我想使用 NumPy 并删除所有 for 循环。
def blur_image(src, dst):
(h, w, c) = src.shape
for x in range(h-1):
for y in range(w-1):
for z in range(c):
if x != 0 or y != 0:
dst[x, y, z] = (src[x, y, z]
+ src[x-1, y, z]
+ src[x+1, y, z]
+ src[x, y-1, z]
+ src[x, y+1, z]
+ src[x-1, y-1, z]
+ src[x-1, y+1, z]
+ src[x+1, y-1, z]
+ src[x+1, y+1, z]) / 9
if x == 0:
dst[x, y, z] = (src[x, y, z]
+ src[x, y, z]
+ src[x+1, y, z]
+ src[x, y-1, z]
+ src[x, y+1, z]
+ src[x, y-1, z]
+ src[x, y+1, z]
+ src[x+1, y-1, z]
+ src[x+1, y+1, z]) / 9
if y == 0:
dst[x, y, z] = (src[x, y, z]
+ src[x-1, y, z]
+ src[x+1, y, z]
+ src[x, y, z]
+ src[x, y+1, z]
+ src[x-1, y, z]
+ src[x-1, y+1, z]
+ src[x+1, y, z]
+ src[x+1, y+1, z]) / 9
return dst
如何使用 NumPy 改进这段代码?最好的情况是删除所有 for 循环?有什么建议吗?
编辑:我试图在没有任何库帮助我模糊图像的情况下解决这个问题。我使用纯 python 对其进行模糊处理,现在正在寻找技巧,以便所有计算量大的位都使用 numpy 数组。没有太多使用 numpy 的经验 ://
请您参考如下方法:
如果我没看错您的代码,您描述的是使用 3 × 3 boxcar 过滤器进行过滤。如果您关心性能,为此使用现有的库可能是个好主意,因为它比您可以轻松实现的任何东西都优化得多。
例如,您正在做的事情可以通过卷积来实现,这在scipy.signal 中可用。 .因此,您可以为每个 channel 执行此操作,然后堆叠生成的数组:
import numpy as np
import scipy.signal as ss
arr = np.random.random((100, 100)) # Some fake data.
kernel = np.ones((3, 3)) / 9 # The 'boxcar'.
ss.convolve(arr, kernel, mode='same')
模糊也可以在PIL中使用:
import numpy as np
from PIL import Image, ImageFilter
arr = np.random.randint(0, 256, size=((100, 100, 3)), dtype=np.uint8)
img = Image.fromarray(arr)
img.filter(ImageFilter.BoxBlur(radius=3))
还有很多其他方法可以做到这一点,包括在傅立叶空间 (one example) 中进行。
这些其他方法的一个很好的特点是它们不会将滤波器设计硬编码到代码中,因此很容易尝试另一个内核,例如高斯内核。
