优化基本图像处理Python

如何解决优化基本图像处理Python

我正在尝试完成基本的图像处理。这是我的算法：

找到n。，n + 1.，n + 2。像素的RGB值，然后根据这些值创建新图像。

我要获取第一个像素的红色值，第二个像素的绿色值和第三个像素的蓝色值并创建像素。图像中的每一行都会继续执行此操作。

这是我在python中的示例代码：

import glob
import ntpath

import numpy
from PIL import Image

images = glob.glob('balls/*.png')
data_compressed = numpy.zeros((540,2560,3),dtype=numpy.uint8)
for image_file in images:

    print(f'Processing [{image_file}]')
    image = Image.open(image_file)
    data = numpy.loadasarray(image)

    for i in range(0,2559):
        for j in range(0,539):
            pix_x = j * 3 + 1
            red = data[pix_x - 1,i][0]
            green = data[pix_x,i][1]
            blue = data[pix_x + 1,i][2]
            data_compressed[j,i] = [red,green,blue]

    im = Image.fromarray(data_compressed)
    image_name = ntpath.basename(image_file)
    im.save(f'export/{image_name}')

我的输入和输出图像为RGB格式。我的代码每个图像花5秒。我愿意提出优化该任务​​的任何想法。如有必要，我可以使用c ++或任何其他语言。

解决方法

data_compressed = np.concatenate((
    np.expand_dims(data[0:-2][:,:,0],axis=2),np.expand_dims(data[1:-1][:,1],np.expand_dims(data[2:][:,2],axis=2)),axis=2)

1. 图片1：原始图片
2. Image2：原始图像偏移了一个像素
3. Image3：原始图像偏移了两个像素
4. 将Image1的通道0，Image2的通道1和Image3的通道3连接起来。

样本

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

image = Image.open("Lenna.png")
data = numpy.asarray(image)

data_compressed = np.concatenate((
    np.expand_dims(data[0:-2][:,axis=2)

new_image = Image.fromarray(data_compressed)

如果您希望跨越3个像素以再次计算下一个像素，则可以使用numpy切片

new_image = Image.fromarray(data_compressed[:,::3])

原始图片：

经过3步转换的图像：

,

好吧，如果仅是为了提高速度，就应该看看模块Cython。它使您可以指定不同变量的类型，然后将脚本编译为可运行的c代码。在时间复杂度方面，这通常可以带来很大的改进。

,

使用普通的python，您只能做很多事情。这是一个小的优化，可以有所帮助，因为它将分配较少的内存。否则，我会像以前所说的那样使用Cython / Numba或使用其他语言。

data_compressed[j,i,0] = data[pix_x - 1,i][0]
data_compressed[j,1] = data[pix_x,i][1]
data_compressed[j,2] = data[pix_x + 1,i][2]