如何使用Numpy加速Python中OpenCV图像的循环?
目标是通过使用如何使用Numpy加速Python中OpenCV图像的循环?,python,numpy,opencv,Python,Numpy,Opencv,目标是通过使用numpy中的内置函数来克服python中嵌套循环执行缓慢的问题 在下面的代码中,我使用imread(颜色:BGR)将图像读取到src(一个numpy数组)中,并分别为每种颜色定义阈值(BGR)。然后我逐像素循环src(对于嵌套循环有两个),在每次迭代中,我测试当前像素是否满足阈值(每个值有三个条件:蓝色、绿色和红色),在阳性情况下(像素满足条件),我将其坐标保存在列表中(行号:i,列号:j) 因此,我想知道如何使用numpy内置函数重写此代码,以受益于其速度?您可以这样做: a
numpy
中的内置函数来克服python中嵌套循环执行缓慢的问题
在下面的代码中,我使用imread
(颜色:BGR)将图像读取到src
(一个numpy数组)中,并分别为每种颜色定义阈值(BGR)。然后我逐像素循环src
(对于嵌套循环有两个),在每次迭代中,我测试当前像素是否满足阈值(每个值有三个条件:蓝色、绿色和红色),在阳性情况下(像素满足条件),我将其坐标保存在列表中(行号:i
,列号:j
)
因此,我想知道如何使用numpy
内置函数重写此代码,以受益于其速度?您可以这样做:
a = np.array([[[1,2,3], [10,20,30]],
[[40,50,60], [10, 30, 20]]
])
[*zip(*np.where((a > (10,20,30)).all(-1)))]
输出:
[(1, 0)]
注意:np.where((a>(10,20,30)).all(-1))
单独提供[array([1])、array([0])]
,在某些情况下可能更好。您可以这样做:
a = np.array([[[1,2,3], [10,20,30]],
[[40,50,60], [10, 30, 20]]
])
[*zip(*np.where((a > (10,20,30)).all(-1)))]
输出:
[(1, 0)]
注意:np.where((a>(10,20,30)).all(-1))
单独提供的[array([1])、array([0])]
在某些情况下可能更好