Python 平铺图像需要很长时间

我有下面的代码，基本上是获取一个图像并将其放在像素上，换句话说，获取图像的每个像素并创建一个10x10“像素”，其中包括它们之间的空白，如下所示：

这变得惊人的慢，我想知道这是正常的还是我在做一些冗余操作

import numpy as np
from scipy.misc import lena 
import matplotlib.pyplot as plt

def rect(x, y):

    res = (np.abs(x) < .5)*(np.abs(y) < .5)
    return res

def placeOnSLM(FF, image):

    step = .1
    x, y = np.mgrid[0:image.shape[0]+step:step, 0:image.shape[1]+step:step]
    outImage = np.zeros(x.shape)+np.min(image)
    for ix in range(image.shape[0]):
        print ix,'of',image.shape[0]
        for iy in range(image.shape[1]):
            outImage[(np.abs(x-ix-.5)/FF < .5) * (np.abs(y-iy-.5)/FF < .5)] = image[ix, iy]
#             outImage += image[ix, iy]*rect((x-ix-.5)/FF, (y-iy-.5)/FF)
    return outImage

if __name__ == '__main__':

    num = 10
    image = placeOnSLM(.9, lena()[:num,:num])
    plt.imshow(lena()[:num,:num],'gray', interpolation='none')
    plt.colorbar()
    plt.figure()
    plt.imshow(image,'gray',interpolation='none')
    plt.colorbar()
    plt.show()

将numpy导入为np
从scipy.misc导入lena
将matplotlib.pyplot作为plt导入
def rect（x，y）：
res=（np.abs（x）<0.5）*（np.abs（y）<0.5）
返回res
def位置LM（FF，图像）：
步骤=.1
x、 y=np.mgrid[0:image.shape[0]+步骤：步骤，0:image.shape[1]+步骤：步骤]
outImage=np.zero（x.shape）+np.min（image）
对于范围内的ix（image.shape[0]）：
打印ix，“of”，图像.shape[0]
对于范围内的iy（image.shape[1]）：
outImage[（np.abs（x-ix-.5）/FF<.5）*（np.abs（y-iy-.5）/FF<.5）]=图像[ix，iy]
#outImage+=图像[ix，iy]*rect（（x-ix-.5）/FF，（y-iy-.5）/FF）
返回输出图像
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
num=10
image=placeOnSLM（.9，lena（）[：num，：num]）
imshow（lena（）[：num，：num]，'gray'，interpolation='none'）
plt.colorbar（）
plt.图（）
plt.imshow（图像，'gray'，插值='none'）
plt.colorbar（）
plt.show（）

编辑：

---

我使用的操作系统是Ubuntu13.10

您的主要处理步骤如下：

for ix in range(image.shape[0]):
    print ix,'of',image.shape[0]
    for iy in range(image.shape[1]):
        outImage[(np.abs(x-ix-.5)/FF < .5) * (np.abs(y-iy-.5)/FF < .5)] = image[ix, iy]

用以下代码替换它可以显著加快速度：

ixD = int(np.ceil((-FF/2 + ix + .5)*10))
ixU = int(np.ceil((FF/2 + ix + .5)*10))
iyD = int(np.ceil((-FF/2 + iy + .5)*10))
iyU = int(np.ceil((FF/2 + iy + .5)*10))
outImage[ixD:ixU, iyD:iyU] = image[ix, iy]

---

一个不使用for循环的解决方案呢？我不太确定，因为我没有太多使用matplotlib，但我假设它与matlab类似，所以我将在matlab中编写，希望将它转换为matplotlib很简单

解决方案很简单：使用matlabs imresize函数调整图像大小，但将插值设置为“最近”，而不是双线性/双三次。如果将图像放大10倍，它基本上将生成10x10个面片，其值等于原始图像的一个像素。下面的代码执行此操作，然后添加边距。（for循环只是测试n的各种值）

---

在我的测试中，当n=1000时，图像的创建时间为0.96秒（虽然我有一个quadcore i5@3.3 GHz.OS:Ubuntu 11.10.

你说的“变得惊人的慢”是什么意思？就像它随着你添加更多的块而变慢一样？是的，当n=10时，它小于1秒，而当n=100时，它接近10分钟而不是100秒，直觉上我假设它的比例为O（n^2）但是我尝试初始化

outImage

正是因为你遇到的原因。

outImage=np.zeros（x.shape）+np.min（image）

简单地访问内存空间会产生这样的问题吗？@evan54我不这么认为，但运行时分析有一些有趣的结果。duuude！！绘图很棒！我在我的电脑上试用过，但它对我的内存使用没有多大影响…即我的CPU刚刚用完，但内存似乎很好。我一直在尝试找出一种稀疏的方法来解决这个问题可能会有所改善，如果是内存问题，我发现了问题所在！这与稀疏矩阵无关，而是与我如何使用真-假方法（不确定真名是什么）寻址

outImage

有关。我会编辑你的答案，也许你可以再次运行绘图？

ixD = int(np.ceil((-FF/2 + ix + .5)*10))
ixU = int(np.ceil((FF/2 + ix + .5)*10))
iyD = int(np.ceil((-FF/2 + iy + .5)*10))
iyU = int(np.ceil((FF/2 + iy + .5)*10))
outImage[ixD:ixU, iyD:iyU] = image[ix, iy]

ns= [10:10:100, 500, 1000];
times= zeros(size(ns));

for i= 1:length(ns)

    n= ns(i);
    s= 10; % 10x10 pixels in the result = 1x1 of the original image
    margin= 2;

    % create the image
    im= rand(n,n);

    tic
    % resize the image
    im2= imresize(im, (s+margin)*size(im), 'nearest');

    % add margins
    [x,y]= meshgrid([0:n]*(s+margin), [1:margin]);
    inds= x(:)+y(:);
    im2(inds,:)=0; im2(:, inds)=0;

    times(i)= toc;
    % imagesc(im2); pause; % visualize

end

plot(ns, times);