Python 组合步骤

有没有办法将这些步骤结合起来，这样我就可以通过减少迭代次数来提高效率

first_cut_new=first_cut-res
first_cut_depth[first_cut_depth>min_value+150]=0
first_cut_depth[first_cut_depth>0]=1
first_cut_depth_3D=np.dstack((first_cut_depth,first_cut_depth,first_cut_depth))
first_cut_final= first_cut_depth_3D * first_cut_new

方法#1

在我看来，效率低下似乎是在最后两步。因此，可以避免创建

first\u cut\u depth\u 3D

，而使用动态数据复制和元素相乘来实现

first\u cut\u final

，就像这样-

first_cut_new = first_cut-res
first_cut_depth[first_cut_depth>min_value+150]=0
first_cut_depth[first_cut_depth>0]=1
first_cut_final = first_cut_depth[...,None]*first_cut_new

first_cut_final = (first_cut_depth <= min_value+150)[...,None]*(first_cut-res)

---

方法#2（适用于RGB输入阵列）

如果

first\u cut\u depth

假定为RGB图像数据，则它将仅具有正值。因此，我们可以利用它来获得更有效的单线性解决方案，就像这样-

first_cut_new = first_cut-res
first_cut_depth[first_cut_depth>min_value+150]=0
first_cut_depth[first_cut_depth>0]=1
first_cut_final = first_cut_depth[...,None]*first_cut_new

first_cut_final = (first_cut_depth <= min_value+150)[...,None]*(first_cut-res)

---

first_cut_final=（first_cut_depth）所涉及的输入形状是什么？first_cut-（600600,3）；res-（600600,3）；depth（600600）你能分享你的代码吗？直到你所做的。first_cut和res基本上是600 x 600 RGB图像，其中as depth是3D传感器图像的深度矩阵first_cut_depth[first_cut_depth>min_value+150]=0 first_cut_depth[first_cut_depth>0]=1@user4543816我会保留这些。这些看起来不是我的瓶颈。@user4543816也检查一下刚才添加的第二种方法！只是为了澄清第一个切面深度是深度数据而不是RGB数据。第一个切面是RGBdata@user4543816
first\u cut\u depth
是否为负值？如果不是，则第二种方法可行。
first\u cut\u depth只需为正值，而不必为RGB。