我可以向量化此python代码吗？

luca 发表于 Dev

路卡

我已经编写了此python代码来获取标签的邻居（一组共享某些共同属性的像素）。标签的邻居定义为位于边界另一侧的其他标签（相邻标签共享边界）。因此，我编写的代码可以运行，但是速度非常慢：

# segments: It is a 2-dimensional numpy array (an image really)
# where segments[x, y] = label_index. So each entry defines the
# label associated with a pixel.

# i: The label whose neighbours we want.

def get_boundaries(segments, i):
    neighbors = []
    for y in range(1, segments.shape[1]):
        for x in range(1, segments.shape[0]):
            # Check if current index has the label we want 
            if segments[x-1, y] == i:
                # Check if neighbour in the x direction has
                # a different label
                if segments[x-1, y] != segments[x, y]:
                    neighbors.append(segments[x,y])

            # Check if neighbour in the y direction has
            # a different label
            if segments[x, y-1] == i:
                if segments[x, y-1] != segments[x, y]:
                    neighbors.append(segments[x, y])

    return np.unique(np.asarray(neighbors))

如您所料，我可能在这里完全滥用了python。我想知道是否有一种方法可以优化此代码，使其更具pythonic风格。

约翰·兹温克

干得好：

def get_boundaries2(segments, i):
    x, y = np.where(segments == i) # where i is
    right = x + 1
    rightMask = right < segments.shape[0] # keep in bounds
    down = y + 1
    downMask = down < segments.shape[1]
    rightNeighbors = segments[right[rightMask], y[rightMask]]
    downNeighbors = segments[x[downMask], down[downMask]]
    neighbors = np.union1d(rightNeighbors, downNeighbors)
    return neighbors

如您所见，根本没有Python循环。我还尝试最小化副本（第一次尝试segments使用NAN边框进行副本的复制，但是后来我设计了“保持边界”检查）。

注意，我并没有i从“邻居”中过滤掉自己。您可以根据需要在结尾处轻松添加。一些时间：

输入2000x3000：原始耗时13秒，我的耗时370毫秒（加速35倍）。

输入1000x300：原始耗时643毫秒，我的耗时17.5毫秒（36倍加速）。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。