Python 一种快速移除接近像素的方法

我有一个粗线像素的图像，它下面有一条线。我想

删除底线

把粗线减薄

所以我使用了这个循环：

N = 1000
im = (np.random.random((N, N)) - 0.5)

xx,yy =  np.where(im > 0)
for x,y in zip(xx,yy):
    for i in range(xmin,xmax):  # I played with the limits so they would fit my specific image
        # if inner loop already broke
        if im[x][y] == False:
            break
        for j in range(ymin,ymax):  # here again
            if im[x-i][y+j]:
                im[x][y] = False
                break   

这对（~95%不需要的像素被移除）非常有效，但速度非常慢。。。每个图像大约需要1秒的时间，像

np.where，np.argmax

这样的操作需要<0.01秒

如何使用

numpy

（我猜

numpy

最适合）来加速它

编辑：按照@jmd_dk的建议使用

@numba.jit

非常有用，但它似乎仍然比正常的

numpy

方法慢

为了澄清，我不仅要找到正像素的位置，如

np.where（im>0）

所提供的，而且要找到正像素位于正像素下方/上方的像素位置

如果我有这个矩阵：

0 | 0 | 0 | 1 | 1 | 1 | 0
0 | 0 | 0 | 0 | 0 | 0 | 1
0 | 1 | 0 | 1 | 0 | 1 | 1
0 | 0 | 0 | 1 | 1 | 0 | 1
0 | 0 | 0 | 0 | 0 | 0 | 1
0 | 1 | 0 | 1 | 1 | 1 | 1

0 | 0 | 0 | 1 | 1 | 1 | 0
0 | 0 | 0 | 0 | 0 | 0 | 1
0 | 1 | 0 | * | 0 | * | *
0 | 0 | 0 | * | * | 0 | *
0 | 0 | 0 | 0 | 0 | 0 | *
0 | * | 0 | * | * | * | *

我想找到上面有

'1'

的所有

'1'

像素，并将其删除-获取此矩阵：

0 | 0 | 0 | 1 | 1 | 1 | 0
0 | 0 | 0 | 0 | 0 | 0 | 1
0 | 1 | 0 | 1 | 0 | 1 | 1
0 | 0 | 0 | 1 | 1 | 0 | 1
0 | 0 | 0 | 0 | 0 | 0 | 1
0 | 1 | 0 | 1 | 1 | 1 | 1

0 | 0 | 0 | 1 | 1 | 1 | 0
0 | 0 | 0 | 0 | 0 | 0 | 1
0 | 1 | 0 | * | 0 | * | *
0 | 0 | 0 | * | * | 0 | *
0 | 0 | 0 | 0 | 0 | 0 | *
0 | * | 0 | * | * | * | *

---

我用

*

替换了

1

，因此它会突出…

这是Numba真正闪耀的地方。在没有任何实际工作的情况下，我立即获得约115倍的加速比（倍，而不是百分比！）。我没有你的整个代码，但是考虑这个例子：

import numpy as np
import numba
from time import time

@numba.jit
def fun():
    # Added just to make the code run
    t0 = time()
    N = 1000
    im = (np.random.random((N, N)) - 0.5)
    xmin = ymin = 0
    xmax = ymax = N
    # Your code
    xx,yy =  np.where(im > 0)[0], np.where(im > 0)[1]
    for x,y in zip(xx,yy):
        for i in range(xmin,xmax):
            if im[x][y] == False:
                break
            for j in range(ymin,ymax):
                if im[x-i][y+j]:
                    im[x][y] = False
                    break
    t1 = time()
    print('took', t1 - t0, 's')

fun() 
fun()

在我的机器上，我得到

取0.18608522415161133秒

取0.0416417121887207秒

现在移除

numba.jit

decorator，我得到

取4.783859491348267秒

拍摄4.796429872512817 s

获取Numba包的最简单方法是使用Python发行版

---

然后，应该为每个图像调用一次函数（此处为

fun（）

）。第一次调用函数时，Numba会将其编译为快速代码，这就是为什么第一次调用比第二次慢得多（尽管仍然比正常的非Numba版本快得多）。

不清楚您想要什么。你能提供样本输入和样本输出吗？顺便说一句，

xx，yy=np.where（im>0）[0]，np.where（im>0）[1]

只是

x，yy=np.where（im>0）

@lilisten为了更好的清晰度而编辑的！！37.32秒（无

numba

）-->6.94秒（第一次

numba

）-->3.21秒（第二次

numba

）！！谢谢顺便说一句，使用

@jit（cache=True）

将时间进一步缩短一半