Python 性能：高效地切片和反转Numpy阵列

我想计算10种图像：左上角、右上角、左下角、右下角、中间，以及所有镜像图像。图像存储在Numpy数组

blob

中，形状

nx通道x高度x宽度

，其中

N

是源图像的数量

切片的左上角点存储在

tls

中，切片的右下角点存储在

brs

中。以下代码提取作物以及每个作物的水平镜像版本：

m = 10 if mirror else 5
crops_shape = ((blob.shape[0] * m,) + blob.shape[1:-2] + crop_dimensions)
crops = np.empty(shape=crops_shape, dtype=blob.dtype)

for i in range(0, blob.shape[0]):
    p = i * m
    for k, (tl, br) in enumerate(zip(tls, brs)):
        crops[p + k] = blob[i, ..., tl[0]:br[0], tl[1]:br[1]]
    if mirror:
        crops[p + 5:p + 10] = crops[p:p + 5, ..., ::-1]

return crops

例如，对于单个图像，

blob

可以具有形状（1、3、226、226）。例如，所有作物都具有相同的大小（227x227），因此在这种情况下，生成的数组

作物

将具有形状（10,3,227227）（当

镜像

为真时）

---

不幸的是，当

blob

是

float32

数组时，上述方法速度太慢（约1.5ms/image）。有没有办法加快速度？

作物的形状是否相同？你能添加一个例子吗？是的，所有作物都有相同的形状，我添加一个例子。作物的形状相同吗？你能添加一个例子吗？是的，所有作物都有相同的形状，我正在添加一个例子。