Python 如何使用numpy有效地生成脉冲噪声图像？

我一直在尝试使用以下代码创建有噪声的图像：

def toImpulse(img, coef=1.2): # img - > 3dim numpy array, returns impulse image
    bmp = np.zeros(shape=(img.shape[0], img.shape[1], 1), dtype=np.float)
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            bmp[i][j] = sum(img[i][j]) / 3

这里我对RGB通道求和，使图像为单通道？我想它可以写成numpy.sum（）

但它在实时视频处理中显得非常缓慢。如何使用NumPy使其更高效？下面是函数工作的示例

---

您的第二个for循环可以替换为数组的总和中的

np。searchsorted

def toImpulse2(img, coef=1.2): # img - > 3dim numpy array, returns impulse image
    bmp = img.sum(axis=2)
    max_ = bmp.max() * coef
    cumsum = np.cumsum(bmp)
    repeats = int(cumsum[-1] / max_)
    final = np.zeros((img.shape[0] * img.shape[1], img.shape[2]))
    final[np.searchsorted(cumsum, np.arange(1, repeats + 1) * max_)] = 1
    return final.reshape(img.shape)

---

我使用

img.sum（）

而不是

img.mean（）

将所有计算保持为整数类型以提高精度。对于大图像，此代码和您的代码之间几乎没有什么区别，因为它是以浮点类型操作的。

您的代码在我的机器上需要539ms的时间。如果我使用Numpy计算3个颜色通道的平均值，并避免将零写入输出图像，因为它已初始化为零，如下所示：

def metoImpulse(img, coef=1.2):
    # Get mean of the 3 colour channels
    bmp = np.mean(img, axis=-1, dtype=np.float32)
    sum_ = 0
    max_ = np.amax(bmp)
    final = np.zeros_like(img[...,0])
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            sum_ += bmp[i][j]
            if sum_ >= coef * max_:
                final[i][j] = 1
                sum_ -= coef * max_
    return final

时间从539ms下降到257ms。如果我随后通过在函数前添加装饰器来使用Numba：

@jit(parallel=True)
def metoImpulse(img, coef=1.2):
   # Get mean of the 3 colour channels
   bmp = np.mean(img, axis=-1, dtype=np.float32)
   sum_ = 0
   max_ = np.amax(bmp)
   final = np.zeros_like(img[...,0])
   for i in range(img.shape[0]):
      for j in range(img.shape[1]):
         sum_ += bmp[i][j]
         if sum_ >= coef * max_:
            final[i][j] = 1
            sum_ -= coef * max_
   return final

时间从257ms下降到1.11ms

输入图像：

输出图像：

---

第一个函数可以简单地编写为，并且应该比for循环更有效：

返回np.sum（axis=2）/3

。对于代码的第二部分，我想不出更好的方法，因为您似乎正在进行条件累积和。一般来说，为了高效的代码，您应该避免使用显式for循环，而使用numpy的函数。当然

np.mean（axis=2）

可能会尝试

numba

第二部分。您可以尝试使用带有一个计数器的平面img（img.flat（））数组。并使用变量k=coef*max_uuout FOR。您还可以删除

else final[i][j]=0

，因为它是用零初始化的。该代码不会生成任何形式的噪声，甚至不会生成随机数。看起来更像是一种抖动？

@jit(parallel=True)
def metoImpulse(img, coef=1.2):
   # Get mean of the 3 colour channels
   bmp = np.mean(img, axis=-1, dtype=np.float32)
   sum_ = 0
   max_ = np.amax(bmp)
   final = np.zeros_like(img[...,0])
   for i in range(img.shape[0]):
      for j in range(img.shape[1]):
         sum_ += bmp[i][j]
         if sum_ >= coef * max_:
            final[i][j] = 1
            sum_ -= coef * max_
   return final