Python 如何在这个numpy迭代中提高效率？

我正在做一个关于通过抖动将灰度图像转换为1位二进制图像的作业。我正在尝试一个简单的4x4矩阵，它将使图像比原始图像大16倍

dithering_matrix = array([[ 0,  8,  2, 10],
                          [12,  4, 14,  6],
                          [ 3, 11,  1,  9],
                          [15,  7, 13,  5]], dtype=uint8)
split_num = dithering_matrix.size + 1

我在

im

ndarray上读了一张512x512图像，并做了以下事情：

output = list()
for row in im:
    row_output = list()
    for pixel in row:
        pixel_matrix = ((pixel / (256 / split_num)) > dithering_matrix) * 255
        row_output.append(pixel_matrix)
    output.append( hstack( tuple(row_output) ) )
output_matrix = vstack( tuple(output) )

我发现输出需要8-10秒，我认为上面的

im

循环花费了很多时间。在某些软件中，相同的操作通常在闪存中完成。那么有可能提高效率吗

---

更新： @伊格纳西奥·巴斯克斯·艾布拉姆斯 我不喜欢profiler：（我尝试了cProfile，结果很奇怪

         1852971 function calls (1852778 primitive calls) in 9.127 seconds

   Ordered by: internal time
   List reduced from 561 to 20 due to restriction <20>

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    6.404    6.404    9.128    9.128 a1.1.py:10(<module>)
      513    0.778    0.002    0.778    0.002 {numpy.core.multiarray.concatenate
}
   262144    0.616    0.000    1.243    0.000 D:\Python27\lib\site-packages\nump
y\core\shape_base.py:6(atleast_1d)
   262696    0.260    0.000    0.261    0.000 {numpy.core.multiarray.array}
   262656    0.228    0.000    0.487    0.000 D:\Python27\lib\site-packages\nump
y\core\numeric.py:237(asanyarray)
      515    0.174    0.000    1.419    0.003 {map}
   527019    0.145    0.000    0.145    0.000 {method 'append' of 'list' objects
}

1852971个函数调用（1852778个基元调用）只需9.127秒
订购人：内部时间
由于限制，名单从561个减少到20个
ncalls tottime percall cumtime percall文件名：lineno（函数）
1 6.404 6.404 9.128 9.128 a1.1.py:10（）
513 0.778 0.002 0.778 0.002{numpy.core.multiarray.concatenate
}
262144 0.616 0.000 1.243 0.000 D:\Python27\lib\site packages\nump
y\core\shape\u base.py:6（至少1d）
262696 0.260 0.000 0.261 0.000{numpy.core.multiarray.array}
262656 0.228 0.000 0.487 0.000 D:\Python27\lib\site packages\nump
y\core\numeric.py:237（asanyarray）
515 0.174 0.000 1.419 0.003{map}
527019 0.145 0.000 0.145 0.000{“列表”对象的“附加”方法
}

a1.1.py的第10行是numpy import*（之前的所有注释）的第一行，这让我很困惑。

如果您使用将每个像素转换为4x4子矩阵，这将使您能够摆脱Python循环：

im2 = np.kron(im, np.ones((4,4)))
dm2 = np.tile(dithering_matrix,(512,512))
out2 = ((im2 / (256 / split_num)) > dm2) * 255

---

在我的机器上，这大约比您的版本快20倍。

im2不会用于后续计算。打字错误？