本人初学python,写了一段代码:
g=rand_image
for i in range(100):
for j in range (100):
G = np.fft.fft2(g)
theta = angle(G)
G_prim = image ** 0.5 * exp(1j * theta)
g_prim = np.fft.ifft2(G_prim)
for k in range(300):
for l in range(300):
if g_prim[k, l].imag > 1e-8 or g_prim[k, l] < 0:
g[k,l]=g[k,l]-(2-0.02*i)*g_prim[k,l]
else:
g[k ,l] = g_prim[k,l]
我在这里比较 2 个图像,rand_image 和 image。运行这样的代码需要 2 小时。我想让它更快地以某种方式替换底部的 2 个循环(比较 300px*300px 大小的 2 个图像)可能是 2 张图片的 map 并替换某些值?虽然我不确定这是否可能。
我需要增加 i 的值并为每个 i 值多次运行代码。
请您参考如下方法:
^ ^
for i in range(100): | |
for j in range (100): | |
G = np.fft.fft2(g) #--- |
theta = angle(G) #-------
j 套件中的前两个语句不使用 i 或 j,因此移动它们跳出循环。
if g_prim[k, l].imag > 1e-8 or g_prim[k, l] < 0:
g[k,l]=g[k,l]-(2-0.02*i)*g_prim[k,l]
else:
g = g_prim
在这个最内层的循环套件中,如果满足条件,您将重复为 g 的各个像素 分配不同的值。
- g_prim 依赖于
j所以条件只依赖于j - 套件中的计算仅依赖于
i。
分配的值使用最外层循环的值 i 但条件不使用。对于每个导致 True 条件的 j,将有 100 个 i。
- 如果
j等于 2 时满足条件,则将有一百个i,j对满足条件 - (0,2), (1 ,2), ... (99,2) k,l循环的每次迭代都会在满足条件时分配给g[k,l]。- 唯一重要的
i是当i等于 99 时,因为当j为 2 时它将覆盖之前的每个计算。
最终的影响是只有 i 的终值 (99) 重要。你正在做很多无用的操作。
更糟糕的是,如果不满足条件,您会覆盖所有以前的个人分配,使它们变得无用。
实际上看起来整个外部循环都是多余的并且可以丢弃 - i 没有在任何地方使用,除了条件套件 - g[k,l]=g[k ,l]-(2-0.02*i)*g_prim[k,l].
如果您的示例如实呈现,内部的两个 (k,l) 循环可以使用 boolean indexing 替换正如@nio 建议的那样。
制作一个面具来代表您的条件及其逆
mask = np.logical_or(g_prim.imag > 1e-8, g_prim < 0)
not_mask = np.logical_not(mask)
当条件满足时使用掩码进行赋值
#(2-0.02*i) .. i = 99!!
k = 2 - .02 * 99
g[mask] = g[mask] - k*g_prim[mask]
假设您不打算覆盖之前的条件赋值, 使用反掩码进行剩余的分配。
g[not_mask] = g_prim[not_mask]
