提高从 sRGB 到 Lab 的颜色转换速度

Question

我需要将高分辨率正射马赛克照片从 sRGB 转换为 Lab 颜色空间。我尝试过使用基本 R 函数 convertColor()，但我从未完成过至少一次转换（图像超过 10 公顷，像素分辨率为 5 厘米，约 50.0000.0000 像素）。

我尝试使用patchPlot 包，它的计算速度更快。但是，考虑到图像的大小，我正在寻找更好的方法。

是否有包/函数/方法来改进这种计算？

convertColor 和 patchPlot::RGB2Lab 的示例测试：

library(raster)
library(patchPlot)
library(microbenchmark)

r <- stack(system.file("external/rlogo.grd", package="raster"))

microbenchmark(baseR = convertColor(color = values(r), from = 'sRGB', to = 'Lab'),
               patchPlot = RGB2Lab(values(r)))
## Unit: milliseconds
##       expr        min        lq      mean    median        uq       max neval cld
##      baseR 261.702873 282.60345 316.76008 310.31006 327.05536 550.07653   100   b
##  patchPlot   8.335807   9.58279  11.53369  10.11684  11.69073  46.78427   100  a 

Answer 1

这远非完美的解决方案，但我们可以尝试改进它。你可以玩的东西是nMatrix（你想把原始RGB矩阵分割成多少个矩阵）。

library(microbenchmark)
library(parallel)
library(patchPlot)
library(raster)

# How many matrices we want to have
nMatrix <- 4

# Load raster
r <- stack(system.file("external/rlogo.grd", package = "raster"))
# Extract value matrix
rValues <- values(r)
n <- nrow(rValues)

# Groups to split rValues into nMatrix parts
foo <- rep(1:nMatrix, each = ceiling(n / nMatrix))
# If group vector exceeds number of rows in matrix then trim it
if (length(foo) > n) {
    foo <- foo[1:n]
}
# Splitted matrices
rValuesSplit <- lapply(split(rValues, foo), matrix, ncol = 3)

microbenchmark(do.call(rbind,mclapply(rValuesSplit, RGB2Lab, mc.cores = 1)))