Python 加速两幅图像的差异

我有两个图像作为numpy数组，每个是180x180，有R，G，B值，总共97200个单独的值。我遍历每个像素和每个R，G，B；计算对应的两个像素之间的差值并求和为整数。大约需要5秒钟。如何加快程序的速度？

使用numpy，您可以直接执行

result = (array1 - array2).sum()

您还可以仅在一个方向上计算

result = (array1 - array2).sum(axis=0)

result = (array1 - array2).sum(axis=1)

result = (array1 - array2).sum(axis=2)

在我的旧电脑上，图像800x600大约需要0.003秒

cv2的示例，该示例将图像作为numpy数组提供

import cv2
import time

img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

print('shape:', img1.shape)

start = time.time()

result = (img1 - img2).sum()

end = time.time()

print('result:', result)
print('  time:', end-start)

编辑：带有图像的numpy数组可能使用数据类型uint8，它只能使用值0..255，因此减法1-2可能会得到254，而不是-1。您可以将数据转换为int以获得负值和-1，而不是254。然后您可以使用abs或**2将负值转换为正值，以创建正确的和，如

---

所有这些计算仍然很快。

这似乎是GPU最快的一件事。对于较小的提升，您可以尝试多线程。您有很多库可以做，内置多线程，对于numpy+gpu，您有CuPyhow如何直接使用array1-array2.sum而不遍历像素？我添加了有关numpy数组可以使用的uint8的信息。

print(img1.dtype, img1.dtype)

img1 = img1.astype(int)
img2 = img2.astype(int)

diff = img1 - img2
print( diff.sum() )
print( (diff**2).sum() )
print( np.abs(diff).sum() )