并行处理图像像素

Question

我正在寻找一种有效的方法来并行化两个循环中的计算，因为获得结果需要太多时间

import numpy as np
import cv2
from utils import distort_point

img = cv2.imread('test.png')
height, width, channel = img.shape

n_width = int(width/2)
n_height = int(height/2)

dist_image = np.zeros((n_height,n_width,channel))

for i in range(height):
    for j in range(width):
        point = distort_point((j,i))

        x,y = point[0],point[1]

        if x <0:
            x = 0
        if y <0:
            y = 0
        if x>n_width-1:
            x = n_width-1
        if y>n_height-1:
            y = n_height-1
        dist_image[y,x,:] = img[i,j,:]

cv2.imwrite('out_test.jpg',dist_image)

基本上， distort_point 函数采用一个像素坐标并使用一些数学计算将其映射到另一个坐标。如果超出限制，则将输出设置为图像边界，然后将像素值移动到新位置（在另一个图像中）

Answer 1

您可以使用Numba 来加快计算速度。

Numba 提供代码的 JIT 编译。因为您的代码非常简单，您只需将其包装在一个函数中并使用njit 装饰器（相当于@jit(nopython=True)

例如：

from numba import njit

@njit
def process(img):
    ...
    # your code here below 'img = cv2.imread('test.png')'
    return dist_image

dist_image = process(img)

cv2.imwrite('out_test.jpg',dist_image)

您还需要将相同的装饰器应用于distort_point 定义