python - 比在 python 中组合多个 cv2 图像(numpy 数组)更快的方法？

Question

我有 100 张小图像，我想将它们组合成一张大 (10x10) 网格图像，以便与 imshow 一起显示。每个图像(作为一个 numpy 数组)都在一个单元格对象的变量中。目前我正在使用 concatenate 首先创建垂直 strip ，然后使用 concatenate 连接所有这些 strip ，但它看起来有点笨拙。有一个更好的方法吗？我觉得我应该能够创建一个最终图像大小 (800 x 600) 的 numpy 数组，然后将每个图像放入其中，但这似乎超出了我对语法的理解能力。

def stackImages(im1, im2, axisToStack):
    newImage = np.concatenate((im1, im2), axis = axisToStack)
    return newImage

def compileCells():
    #Make a list of strips
    strips = [(np.zeros((0,cellWidth,3), np.uint8)) for i in range(numberOfCells)]

    for x in range(numberOfCells):
        for i in range(numberOfCells):
            strips[x] = stackImages(cellArray[i+(x*numberOfCells)].image, strips[x], 0)

    display = strips[0]
    for c in range(1,numberOfCells):
        display = stackImages(strips[c], display, 1)
    return display

Answer 1

在使用 NumPy 时，复制数组可能是真正的速度 killer 。每次 np.concatenate 被调用，为新数组分配空间，所有旧数组 数据被复制到新数组中。使代码更快的一种方法是减少 复制量。

所以正如你所建议的，更快的方法是为最终数组分配空间， 从一开始就显示:

display = np.empty((cellHeight*nrows, cellWidth*ncols, 3), dtype=np.uint8)

然后将数据从 cellArray 复制到 display 一次:

for i, j in IT.product(range(nrows), range(ncols)):
    arr = cellArray[i*ncols+j].image  
    x, y = i*cellHeight, j*cellWidth
    display[x:x+cellHeight, y:y+cellWidth, :] = arr

---

例如，

import numpy as np
import matplotlib.pyplot as plt
import itertools as IT

def compileCells(cellArray, nrows, ncols, cellHeight, cellWidth):
    display = np.empty((cellHeight*nrows, cellWidth*ncols, 3), dtype=np.uint8)
    for i, j in IT.product(range(nrows), range(ncols)):
        # arr = cellArray[i*ncols+j].image  # you may need this
        arr = cellArray[i*ncols+j]          # my simplified cellArray uses this
        x, y = i*cellHeight, j*cellWidth
        display[x:x+cellHeight, y:y+cellWidth, :] = arr
    return display

cellHeight, cellWidth = 80, 60
nrows = ncols = numberOfCells = 10

cellArray = [np.full((cellHeight, cellWidth, 3), i) 
             for i in np.linspace(0, 255, nrows*ncols)]
display = compileCells(cellArray, nrows, ncols, cellHeight, cellWidth)
plt.imshow(display)
plt.show()

产量

请注意，您的代码暗示 cellArray 是一个对象列表，其 image 属性是 NumPy 数组。要使上面的示例代码可运行且简单(r)， 我已将上面的 cellArray 定义为 NumPy 数组列表。 您可能需要取消注释

# arr = cellArray[i*ncols+j].image  

并注释掉

arr = cellArray[i*ncols+j] 

符合您对 cellArray 的定义。

---

让我们比较一下两种方法完成的复制量:

使用原来的方法，如果我们说图像数组的大小为 1，那么构建一个 strip 需要 分配大小为 1、2、...、10 的数组。因此，一个 strip 需要分配数组 总大小为 1+2+...+10 = 10(11)/2 = 55。构建 display 需要分配 总大小为 55(1+2+..+10) = 55*55 = 3025 的数组。每个空间分配是 伴随着复制操作。复制量随最终阵列中的单元格数量二次方增长。

相反，如果我们只为最后的display分配一次空间，那么我们 只需要分配总大小 10*10 = 100。这里，复制量随单元格数量线性增长。