Python 加快Numpy阵列/OpenCV cv2图像的迭代速度

我有3个numpy数组的形状>（500500）。我试图同时迭代它们。我试过两种不同的方法，但都很慢

这里的

Ix_Ix_blur

，

Ix_Iy_blur

和

Iy_Iy_blur

大小相同。我试图找到特征并在OpenCV图像上绘制它

---

方法1：

for i in xrange (Ix_Ix_blur.shape[1]):
    for j in xrange(Ix_Ix_blur.shape[0]):
        A = np.array([ [Ix_Ix_blur[j][i], Ix_Iy_blur[j][i]], 
            [Ix_Iy_blur[j][i], Iy_Iy_blur[j][i]] ])
        detA = (A[0][0]*A[1][1])-(A[0][1]*A[1][0])
        traceA = A[0][0]+A[1][1]

        harmonic_mean = detA/traceA
        if(harmonic_mean > thresh):
            cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)

对于大小为512*512的图像，这大约需要

7秒

---

方法2：

Ix_Iy_blur_iter = np.nditer(Ix_Iy_blur)
Iy_Iy_blur_iter = np.nditer(Iy_Iy_blur)
Ix_Ix_blur_iter = np.nditer(Ix_Ix_blur)

while(not Ix_Iy_blur_iter.finished):
    try:
        A = np.array([[Ix_Ix_blur_iter.next(), Ix_Iy_blur_iter.next()],[Ix_Iy_blur_iter.value, Iy_Iy_blur_iter.next()]])
    except StopIteration:
        break
    detA = (A[0][0]*A[1][1])-(A[0][1]*A[1][0])
    traceA = A[0][0]+A[1][1]

    harmonic_mean = detA/traceA
    if(harmonic_mean > thresh):
        i = Ix_Ix_blur_iter.iterindex/Ix.shape[0]
        j = Ix_Ix_blur_iter.iterindex - Ix.shape[0]*i
        cv2.circle(img, (j,i), 1, (0, 0, 255), -1, 8)

这种方法似乎也需要

7秒

来迭代相同大小的图像

有没有其他方法可以减少迭代所需的时间

配置：

• Ubuntu 12.04
• 第三代core i5处理器
• 4 GB内存
• 2 GB ATI RADEON GPU（我已关闭）

---

首先，您可以使用

Ix_Ix_-blur[j，i]

而不是

Ix_-Ix-blur[j][i]

Ix_Ix_blur[j][i]

将创建一个非常慢的临时数组

要使用ndarray加速元素访问，可以使用item（）方法，该方法返回python本机数值，并且不需要创建临时数组a。使用本机数值的计算比numpy标量更快

for i in xrange (Ix_Ix_blur.shape[1]):
    for j in xrange(Ix_Ix_blur.shape[0]):
        a, b, c = Ix_Ix_blur.item(j, i), Ix_Iy_blur.item(j, i), Iy_Iy_blur.item(j, i)
        detA = a*c - b*b
        traceA = a + c
        harmonic_mean = detA/traceA
        if harmonic_mean > thresh:
            cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)

对于您的特定问题，无需在循环中进行计算，您可以：

detA = Ix_Ix_blur * Iy_Iy_blur - Ix_Iy_blur**2
traceA = Ix_Ix_blur + Iy_Iy_blur
harmonic_mean = detA / traceA
for j, i in np.argwhere(harmonic_mean > thresh):
    cv2.circle(img, (i,j), 1, (0, 0, 255), -1, 8)

---

这太棒了。我没想过这样做。谢谢你的回答。