Je travaille sur une tâche concernant la conversion d'une image en niveaux de gris en image binaire à 1 bit par le tramage. J'essaie une matrice 4x4 simple qui rendra l'image 16 fois plus grande que l'original.Comment améliorer l'efficacité de cette itération numpy?
dithering_matrix = array([[ 0, 8, 2, 10],
[12, 4, 14, 6],
[ 3, 11, 1, 9],
[15, 7, 13, 5]], dtype=uint8)
split_num = dithering_matrix.size + 1
Je lis à im
ndarray et a fait les choses suivantes: une image 512x512
output = list()
for row in im:
row_output = list()
for pixel in row:
pixel_matrix = ((pixel/(256/split_num)) > dithering_matrix) * 255
row_output.append(pixel_matrix)
output.append(hstack(tuple(row_output)))
output_matrix = vstack(tuple(output))
je trouve qu'il a fallu 8-10s à la sortie et je pense que la boucle de im
ci-dessus passé beaucoup de temps. Dans certains logiciels, la même opération était généralement effectuée en un éclair. Alors est-il possible d'améliorer l'efficacité?
MISE À JOUR: @Ignacio Vazquez-Abrams Je ne suis pas vert fimiliar avec profileur :(J'ai essayé cprofile et le résultat est étrange
1852971 function calls (1852778 primitive calls) in 9.127 seconds
Ordered by: internal time
List reduced from 561 to 20 due to restriction <20>
ncalls tottime percall cumtime percall filename:lineno(function)
1 6.404 6.404 9.128 9.128 a1.1.py:10(<module>)
513 0.778 0.002 0.778 0.002 {numpy.core.multiarray.concatenate
}
262144 0.616 0.000 1.243 0.000 D:\Python27\lib\site-packages\nump
y\core\shape_base.py:6(atleast_1d)
262696 0.260 0.000 0.261 0.000 {numpy.core.multiarray.array}
262656 0.228 0.000 0.487 0.000 D:\Python27\lib\site-packages\nump
y\core\numeric.py:237(asanyarray)
515 0.174 0.000 1.419 0.003 {map}
527019 0.145 0.000 0.145 0.000 {method 'append' of 'list' objects
}
La ligne 10 de A1.1.. . py est la première ligne from numpy import *
(tous les commentaires avant que) qui me déconcerte vraiment
Que dit votre profileur? –