使用 PIL 对图像进行矢量化整形和裁剪

Question

我有许多图像要裁剪，然后再整形。为了帮助我解决这个问题，我编写了两个辅助函数：

def crop_images(images_data):
    cropped_images = []
    for image_data in images_data:
        image = Image.fromarray(image_data)
        cropped_image = np.asarray(image.crop((25,40,275,120)))
        cropped_images.append(cropped_image)
    return(np.array(cropped_images))

def resize_images(images_data):
    resized_images = []
    width, height = images_data.shape[2], images_data.shape[1]
    resized_width, resized_height = int(width/2), int(height/2)
    for image_data in images_data:
        image = Image.fromarray(image_data)
        image = image.resize((resized_width, resized_height), Image.ANTIALIAS)
        resized_images.append(np.asarray(image))
    return(np.array(resized_images))

然后我会将这两个函数链接在一起来处理我的图像，例如： resize_images(crop_images(images_data))

但我想知道是否有办法对这些操作进行矢量化，因为我知道 numpy 理想情况下应该是矢量化操作，因为它更快。

Answer 1

这是更高级别的迭代 - 超过图像数组 - 通常关于“矢量化”的讨论并不适用。

图像数组的大小往往类似于 (400,400,3) 或更大。如果您不需要，您不想迭代这 400 条边之一。所以对图像数组进行“矢量化”操作很有意义。

但是，如果处理 100 个这些图像，则图像循环并不是那么糟糕。 “矢量化”的唯一方法是将它们组装成一个更大的数组（N、400、400、3），然后找到适用于 4d 的表达式，或者那个大数组的切片。如果 N 为 1000 或更大，则很容易走这条路，但对于像这样的大型阵列，内存管理问题开始影响任何速度提升。

对于迭代，我认为追加到列表和插入到预先分配的数组中都是有用的。我还没有看到明确的证据表明在所有情况下一个都比另一个快。

alist = []
for arr in source:
    <process arr>
    alist.append(arr)
bigarr = np.array(alist)

对

bigarr = np.zeros((N,..)
for i in range(N):
    arr = source[i,...]
    <process arr>
    bigarr[i,...] = arr

在尝试“矢量化”批处理操作时，代码清晰度也会受到影响。

Answer 2

对于裁剪，如果您将所有图像放入一个 3-D 数组中，那么您可以一次将它们全部裁剪（第三维是图像轴）：

cropped = images[top:bottom, left:right, :]

但不确定这是否会更快 - 将所有图像两次放入内存的内存成本可能会减慢速度。