Python中在图像上快速运行滑动窗口方法的技巧

Haar级联分类器采用带金字塔的滑动窗口方法检测目标。对我来说，检测图像中的物体大约需要0.01秒。然而，我的问题是，当使用滑动窗口方法时，它如何能如此快速？（我实现了一个用于检测对象的CNN，它使用滑动窗口检测没有金字塔的对象，尽管检测对象需要2秒钟）。我想知道什么是技巧运行滑动窗口方法更快？我使用了两个循环来快速滑动整个图像，并使其并行，但仍然比OpenCV实现慢得多

根据我的经验，最快的方法是使用

numpy.lib.stride\u技巧.as\u stride

函数。实际上，我们要做的是首先使用numpy函数在一个大数组中生成并存储所有面片（滑动窗口位置）。然后我们就可以把这个数组映射到我们的函数

首先，定义定义为（图像高度、图像宽度、内核高度、内核宽度）的形状。然后您可以跨过图像的各个位（即，8位图像每个像素都是8位跨步）。在这种情况下，补丁将是图像步幅的重复两次。您可以使用

img.strips

检查步幅

def some_func(roi):
    '''
    simple function to return the mean of the region
    of interest
    '''
    return np.mean(roi)

img = np.zeros((30000,30000), dtype=np.uint8)
img_shape = img.shape

size = 3 # window size i.e. here is 3x3 window

shape = (img.shape[0] - size + 1, img.shape[1] - size + 1, size, size)
strides = 2 * img.strides
patches = np.lib.stride_tricks.as_strided(img, shape=shape, strides=strides)
patches = patches.reshape(-1, size, size)

output_img = np.array([some_func(roi) for roi in patches])
output_img.reshape(img_size)

在某些情况下，还可以做一些其他的增加，比如对函数进行向量化

np.vectorize（）

。如果您想要计算平均值，您也可以只使用

output\u img=patches.mean（axis=-1，-2））

，而不需要映射到函数，也不需要重塑形状。还有一些可能更快的方法可以将数组映射到函数。我给出了这个解决方案，因为任何过程都可以添加到函数中，而且这个问题似乎很一般。

根据我的经验，最快的方法是使用

numpy.lib.stride\u tricks.as\u stride

函数。实际上，我们要做的是首先使用numpy函数在一个大数组中生成并存储所有面片（滑动窗口位置）。然后我们就可以把这个数组映射到我们的函数

首先，定义定义为（图像高度、图像宽度、内核高度、内核宽度）的形状。然后您可以跨过图像的各个位（即，8位图像每个像素都是8位跨步）。在这种情况下，补丁将是图像步幅的重复两次。您可以使用

img.strips

检查步幅

def some_func(roi):
    '''
    simple function to return the mean of the region
    of interest
    '''
    return np.mean(roi)

img = np.zeros((30000,30000), dtype=np.uint8)
img_shape = img.shape

size = 3 # window size i.e. here is 3x3 window

shape = (img.shape[0] - size + 1, img.shape[1] - size + 1, size, size)
strides = 2 * img.strides
patches = np.lib.stride_tricks.as_strided(img, shape=shape, strides=strides)
patches = patches.reshape(-1, size, size)

output_img = np.array([some_func(roi) for roi in patches])
output_img.reshape(img_size)

---

在某些情况下，还可以做一些其他的增加，比如对函数进行向量化

np.vectorize（）

。如果您想要计算平均值，您也可以只使用

output\u img=patches.mean（axis=-1，-2））

，而不需要映射到函数，也不需要重塑形状。还有一些可能更快的方法可以将数组映射到函数。我给出了这个解决方案，因为任何过程都可以添加到函数中，这个问题似乎非常普遍。

您使用的是python循环吗？大多数OpenCV方法都是用C++运行的，其中很多都是经过严格优化的（SSE、OMP等）。而且，python循环相当慢。。。通常情况下，您会尽量避免使用它们，并使用诸如numpy（预编译）之类的优化工具。感谢您的评论，是否可以在一条评论中使用numpy将图像分割为重叠的切片，并将其存储在子numpy数组中？用numpy来做这件事。另外，如果您想在纯python中执行此操作，可以尝试将其转换为c并使用编译？大多数OpenCV方法都是用C++运行的，其中很多都是经过严格优化的（SSE、OMP等）。而且，python循环相当慢。。。通常情况下，您会尽量避免使用它们，并使用诸如numpy（预编译）之类的优化工具。感谢您的评论，是否可以在一条评论中使用numpy将图像分割为重叠的切片，并将其存储在子numpy数组中？用numpy来做这件事。另外，如果你想在纯python中实现它，你可以尝试将它转换成c并用编译。这是一种非常有效的方法。谢谢。初始的

补丁

是地址数组吗？这是一种非常有效的方法。谢谢。初始的

补丁

是地址数组吗？