我正在尝试从 API 复制原始图像数据。数据是可迭代的或可以使用切片 ([:]
)。图像数据约为 2000 x 2000 像素。它是一个灰度 float 组,以一维形式存储。这是我现在使用的:
imageData = np.fromiter(rawImageData, dtype=np.float32, count=width*height)
将数据复制到 numpy 数组大约需要 2-3 秒。有没有更快的方法来复制/调整数据?
其他信息:我之前尝试过使用np.asarray
。它使其速度更快,但与线程存在冲突,如果在单独的线程中执行操作时尝试在主线程中执行任何操作,则程序将崩溃。
最佳答案
我正在测试使用 Pillow 打开的 7200 x 4800 的 .bmp 图像。
In [26]: %timeit np.array(im)
1 loops, best of 3: 222 ms per loop
In [27]: %timeit np.asarray(im)
10 loops, best of 3: 156 ms per loop
转换为 float32 涉及到复制,这需要一些时间,但可以节省内存:
In [39]: %timeit np.array(im, dtype=np.float32)
1 loops, best of 3: 444 ms per loop
In [40]: %timeit np.asarray(im, dtype=np.float32)
1 loops, best of 3: 543 ms per loop
fromiter
需要一个一维数组,所以我们只获取 R channel (我的图像是彩色的):
In [49]: %timeit np.fromiter(im.getdata(0), dtype=np.float32, count=7200*4800)
1 loops, best of 3: 2.49 s per loop
哎呀,还有 2-3 秒的时间。原因是迭代器对于 numpy 来说是一个非常不透明的东西,它喜欢非常结构化的东西。因此,它必须即时推断正在发生的事情,而且效率低得多。因此,使用前两个函数之一,看看它们是否有效。
关于python - 有没有办法让这个 numpy 操作更快?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25149698/