我有一個模式PIL.Image物件（黑白位圖），我想確定影像中的每個像素是否在任何白色像素的像素內（歐幾里德距離 -可能約為 100 左右）。input'1'nn
動機是：input代表其他兩個影像之間不同的每個像素，我想圍繞所有這些差異創建一個高光區域，以清楚地顯示差異發生的位置。
到目前為止，我還沒有找到一個快速的演算法——下面的代碼有效，但是卷積非常慢，因為kernel引數大于卷積顯然可以有效地處理：
from scipy import ndimage
import numpy as np
from PIL import Image
n = 100
y, x = np.ogrid[:2*n, :2*n]
kernel = (x-n)**2 (y-n)**2 <= n**2
img = Image.open('input.png')
result = ndimage.convolve(np.array(img), kernel) != 0
Image.fromarray(result).save('result.png')
示例輸入input.png：
所需的輸出result.png（這里還有一些不受歡迎的偽影，我假設它們來自上溢/下溢）：
即使有這些小影像，計算也需要 30 秒左右。有人可以推薦一個更好的程式來計算這個嗎？謝謝。
uj5u.com熱心網友回復：
ndimage.convolve使用非常低效的演算法來執行卷積，當然運行在O(n m kn km)影像(n,m)的(kn, km)形狀和內核的形狀中。您可以使用 FFT在時間上更有效地執行此O(n m log(n m))操作。希望 scipy 提供這樣的功能。這是一個使用示例：
import scipy.signal
import numpy as np
from PIL import Image
n = 100
y, x = np.ogrid[:2*n, :2*n]
kernel = (x-n)**2 (y-n)**2 <= n**2
img = Image.open('input.png')
result = scipy.signal.fftconvolve(img, kernel, mode='same') >= 1.0
Image.fromarray(result).save('result.png')
這在我的機器上快了 500 倍以上，這也修復了人工制品。結果如下：
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/462339.html