Ho provato a replicare il collo di bottiglia principale in uno dei miei programmi.Accelerazione dell'interpolazione lineare di molte posizioni di pixel in NumPy
Desidero ottenere i valori linearly (or rather bilinearly) interpolated di diversi valori di pixel non interi contemporaneamente. È non il caso in cui ogni coordinata di pixel è perturbata nello stesso modo. Di seguito è riportato uno script completo/minimale insieme a commenti che dimostrano il problema. Come posso accelerare il calcolo di result
?
import numpy as np
import time
im = np.random.rand(640,480,3) # my "image"
xx, yy = np.meshgrid(np.arange(im.shape[1]), np.arange(im.shape[0]))
print "Check these are the right indices:",np.sum(im - im[yy,xx,:])
# perturb the indices slightly
# I want to calculate the interpolated
# values of "im" at these locations
xx = xx + np.random.normal(size=im.shape[:2])
yy = yy + np.random.normal(size=im.shape[:2])
# integer value/pixel locations
x_0 = np.int_(np.modf(xx)[1])
y_0 = np.int_(np.modf(yy)[1])
x_1, y_1 = x_0 + 1, y_0 + 1
# the real-valued offsets/coefficients pixels
a = np.modf(xx)[0][:,:,np.newaxis]
b = np.modf(yy)[0][:,:,np.newaxis]
# make sure we don't go out of bounds at edge pixels
np.clip(x_0,0,im.shape[1]-1,out=x_0)
np.clip(x_1,0,im.shape[1]-1,out=x_1)
np.clip(y_0,0,im.shape[0]-1,out=y_0)
np.clip(y_1,0,im.shape[0]-1,out=y_1)
# now perform linear interpolation: THIS IS THE BOTTLENECK!
tic = time.time()
result = ((1-a) * (1-b) * im[y_0, x_0, :] +
a * (1-b) * im[y_1, x_0, :] +
(1-a) * b * im[y_0, x_1, :] +
a * b * im[y_1, x_1, :])
toc = time.time()
print "interpolation time:",toc-tic
Qual è il motivo per cui stai evitando 'scipy.ndimage.map_coordinates'? (Ad es. Volendo evitare una dipendenza da scipy.ndimage?) In caso contrario, è la funzione che si desidera. –
@JoeKington Non ero a conoscenza di questo - fammi vedere se posso usare questa funzione e se è più veloce. Grazie. – YXD