c语言中系统函数设定像素,在imag中对每个像素应用自定义函数的快速方法

博主正在寻找提高图像处理效率的方法,特别是去除蓝色背景。当前代码使用循环逐像素处理,耗时约8秒。尝试使用numpy的`apply_along_axis`函数虽略有改进,但速度仍慢。寻求更快的解决方案,可能涉及矩阵运算或向量化处理。
摘要由CSDN通过智能技术生成

我正在寻找一种更快的方法来应用一个自定义函数到一个图像,我用来删除蓝色背景。我有一个函数可以计算出每个像素与背景中蓝色的距离。带有循环的原始代码如下所示:def dist_to_blue(pix):

rdist = 76 - pix[0]

gdist = 150 - pix[1]

bdist = 240 - pix[2]

return rdist*rdist + gdist*gdist + bdist*bdist

imgage.shape #outputs (576, 720, 3)

for i, row in enumerate(image):

for j, pix in enumerate(row):

if dist_to_blue(pix) < 12000: image[i,j] = [255,255,255]

然而,对于这个相对较小的图像,此代码需要大约8秒的时间来运行。我一直在尝试使用numpy的“vectorize”函数,但这会将该函数单独应用于每个值。但是我想做的每一个像素aka不扩展z/rgb维度

我提出的唯一改进是将for循环替换为以下内容:

m = np.apply_along_axis(lambda pix: (255,255,255) if dist_to_blue(pix) < 12000 else pix, 2, image)

只需7秒,速度仍然非常缓慢。有没有我遗漏的东西可以加快执行时间

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值