python - python 中大型列表操作的性能更高

Question

我正在为大学项目开发​​一个小型软件，但遇到了一个问题:代码的性能太低。

这是一个图像编辑软件，图像是一个大型的3D列表(主列表是整个图像，其中的每个列表是一条水平线，其中的每个列表是一个像素，包含三个元素)。

我需要进行逐像素调整，例如将它们全部乘以一个常数，所以它会像

for y in range(0,len(image)): 
    for x in range (0,len(image[0])):
        for c in range (0,3):
            im[y][x][c] = (im[y][x][c])*a

其中 image 是 3d 列表
len(image) 是图像中水平线的数量(垂直尺寸)
len(image[0]) 是水平线上的像素数量(水平尺寸)
c 是像素的组成部分(从 0 到 2)。

这个循环需要几分钟的时间来处理单个 12 MP 图像，而我必须处理的图像数量约为数百个，因此这是不可能的。

我该怎么做才能获得更好的性能？即使是编辑软件也需要几秒钟的时间，因为它可能是一个相当大的操作，但这段代码太慢了。

谢谢!

Answer 1

我也(如评论中所示)建议使用 Numpy。 示例代码如下所示:

import numpy as np

im = np.array(image,dtype="float16")

# Define your custom function
def myFunc(x,a):
    x = x * a
    return x

# Vectorise function
vfunc = np.vectorize(myFunc)

# Apply function to the array with the parameter a = 5
im = vfunc(im,5)

我比较了矢量化 numpy 函数和大小大致相当于 12MP 图像的数组的嵌套循环的时序:4242 x 2828 x 3。

嵌套循环花费了 99 秒，而 numpy 花费了大约 6.5 秒。

这里有一个关于 numpy 函数效率的问题供您引用:Most efficient way to map function over numpy array

对于乘法之类的简单函数，使用 numpy native 函数是最快的。

# Multiply each element by 5
im = im * 5

这段代码在我的机器上只花了 0.5 秒。