Python 矢量化numpy例程

我已经编写了下面的例程，它取两条任意曲线，扭曲它们之间的空间，使之适合两条直线。对于循环，它按列处理它，作为

np。linspace

不对向量AFAIK进行操作。有没有办法摆脱这个循环，一次完成整个过程

def warp(img, iris_curve, pupil_curve):
  height, width = img.shape[:2]
  iris_height = np.uint8(np.max(np.int8(iris_curve) - pupil_curve))
  out = np.zeros((iris_height, width))

  for r in range(0,width):
    map_theta = np.linspace(pupil_curve[r], iris_curve[r], iris_height)
    map_theta = np.uint8(np.rint(map_theta))
    out[:, r] = img[map_theta, r]

  return np.uint8(out)

---

谢谢

我看这段代码的第一个想法是for循环不太可能是影响性能的最重要的因素。这段代码中有大量的数据复制（调用linspace创建一个新数组，然后将其复制回更大的输出数组中。转换到不同类型还需要复制周围的数据）。例如，您是否可以不按以下方式启动输出

np.empty((h,w),dtype=np.uint8)

此外，您真的需要显式地计算所有这些值吗？除非您引用了所有这些，否则最好只使用scipy中的2D线性插值器

如果您真的想按原样生成输出，我认为您必须用Cython或类似的语言编写一些自定义内容。

如果您查看

np.linspace

，您可以将其用作代码矢量化的指南。然后，您的循环将被以下内容替换：

steps = (iris_curve - pupil_curve) / iris_height
map_theta = np.arange(iris_height)[:, None] * steps + pupil_curve
map_theta = np.rint(map_theta).astype(np.uint8)
out = img[map_theta, np.arange(width)]

---

您可能需要转换输出，如果没有示例，很难调试此类代码。

谢谢，建议指出。我确实需要引用所有这些数据（它修正了随后处理的图像的几何结构），所以也许Cython就是这样。好吧，所以我证明了你所说的是正确的-我设法将循环重写为向量算法，结果证明数据复制非常慢。你知道怎么加速吗？