numpy / 线性代数 - 快速 16 位直方图

Question

如果我有一个由 uint16s 组成的图像并且想要计算每个位的直方图，即包含强度值的0..65535 的向量“x”和一个向量 y，它是样本的数量有那个值，有没有矢量化的 numpy / 线性 algreba 方法来计算这个？

Answer 1

我使用 Numpy 以显而易见的方式做到了这一点，并在我的 Mac 上使用您的图像尺寸，它需要 300 毫秒。然后我用 OpenCV 做了同样的事情，它在 9 毫秒时快了 33 倍！

#!/usr/bin/env python3

import cv2
import numpy as np

# Dimensions - height, width
h, w = 2160, 2560

# Known image, channel0=1, channel1=3, channel2=5, channel3=65535
R =  np.zeros((h,w,4), dtype=np.uint16)
R[...,0] = 1
R[...,1] = 3
R[...,2] = 5
R[...,3] = 65535

def npHistogram(R):
    """Generate histogram using Numpy"""
    H, _ = np.histogram(R,65536)
    return H

def OpenCVHistogram(R):
    """Generate histogram using OpenCV"""
    H = cv2.calcHist([R.ravel()], [0], None, [65536], [0,65536]) 
    return H

A = npHistogram(R)
B = OpenCVHistogram(R)

#%timeit npHistogram(R)
#%timeit OpenCVHistogram(R)

结果

使用 IPython，我得到了这些时间

%timeit npHistogram(R)
300 ms ± 11.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit OpenCVHistogram(R)
9.02 ms ± 226 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

关键字：Python、直方图、慢速、Numpy、np.histogram、加速、OpenCV、图像处理。

Answer 2

好的，如果 OpenCV 对您来说太大了，无法获得 9 毫秒的处理时间而不是 300 毫秒，那么 Numba 怎么样？这在 10 毫秒内运行。

#!/usr/bin/env python3

import numpy as np
from numba import jit

# Dimensions - height, width
h, w = 2160, 2560

# Known image, channel0=1, channel1=3, channel2=5, channel3=65535
R =  np.zeros((h,w,4), dtype=np.uint16)
R[...,0] = 1
R[...,1] = 3
R[...,2] = 5
R[...,3] = 65535

@jit(nopython=True, nogil=True)
def NumbaHistogram(pixels):
    """Histogram of uint16 image"""
    H = np.zeros(65536, dtype=np.int32)
    for i in range(len(pixels)):
        H[pixels[i]] += 1
    return H

#%timeit q = NumbaHistogram(R.ravel()) 

结果

%timeit NumbaHistogram(R.ravel())                                                                                                                  
10.4 ms ± 54.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)