Python 使用numpy可以更快地实现这一点吗？

有一个彩色图像，一个形状

（h，w，3）

的numpy数组，其中N=h*w像素；有一个数组标签的形状

（h，w）

，每个标签是一个介于1和M之间的整数N是10^6-10^7，M是10^3-10^4

我需要生产 结果图像（h、w、3），其中标记为l的每个像素的颜色是标记为l的所有像素的平均颜色。即：

def recolor1(image, labels):
    result = np.empty(shape=(h,w,3))
    for label in np.unique(labels):
        mask = labels==label
        mean = np.mean(image[mask], axis=0)
        result[mask] = mean
    return result

代码很简单，但运行时间为O（M.N）（

mask

的计算时间为O（N），循环运行时间为M）

可以进行O（N）

recolor2

。基本上，你需要对标签和图像像素进行两次检查。首先计算一个按标签索引的辅助数组，其中保存每个主数组的和以及该标签的像素数。然后计算每个标签的平均值。然后你们再次检查标签和像素，计算结果。求平均值的O（M）时间是噪声

使用Python编写的

recolor2

，

recolor1

和

recolor2

在~4s处实现N=1000000和M=1000的盈亏平衡。正如所料，

recolor1

的时间在M=5000时线性增长到~20s，而

recolor2

的时间基本上保持不变

---

对于相对较小的图像，4s不是很好，对于较大的图像，4s会变得更差。我不是numpy和相关图书馆的专家。有O（N）解决方案吗？

让我们试试

np.bincount

并在通道上循环：

result = np.stack([np.bincount(labels.flat, weights=img[...,i].flat)[labels-1] 
                   for i in range(3)],
                  axis=-1)

在我的系统上使用

h，w，M=10001000

大约需要35毫秒

---

注意这计算总和，但平均值应该很容易。

有帮助吗？是的，这绝对是我要找的！工作在47毫秒内跑10007505000次！