Accelerazione dell'interpolazione lineare di molte posizioni di pixel in NumPy

Question

Ho provato a replicare il collo di bottiglia principale in uno dei miei programmi.

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 

Answer 1

Grazie a @JoeKington per il suggerimento. Ecco il meglio che posso venire con utilizzando scipy.ndimage.map_coordinates

# rest as before 
from scipy import ndimage 
tic = time.time() 
new_result = np.zeros(im.shape) 
coords = np.array([yy,xx,np.zeros(im.shape[:2])]) 
for d in range(im.shape[2]): 
    new_result[:,:,d] = ndimage.map_coordinates(im,coords,order=1) 
    coords[2] += 1 
toc = time.time() 
print "interpolation time:",toc-tic 

Aggiornamento: aggiunto il tweaks suggerito nei commenti e provato uno o due altre cose. Questa è la versione più veloce:

tic = time.time() 
new_result = np.zeros(im.shape) 
coords = np.array([yy,xx]) 
for d in range(im.shape[2]): 
    ndimage.map_coordinates(im[:,:,d], 
          coords,order=1, 
          prefilter=False, 
          output=new_result[:,:,d]) 
toc = time.time() 

print "interpolation time:",toc-tic 

Esempio durata:

original version: 0.463063955307 
    better version: 0.204537153244 
    best version: 0.121845006943