python 伪彩图转化效率太慢问题的解决_图像灰度遍历速度慢-CSDN博客

本文链接：https://blog.csdn.net/yapifeitu/article/details/105519989

之前做了一个项目，需要用到伪彩色的转化，所谓伪彩色的转化，简单的理解就是将灰度图像转化为彩色图像。最开始的想法很简单，就是创建一个字典，这个字典关键词是灰度值，数值为[1,1,1]这张bgr的张量，比如{‘0’:’[1, 1,1,1],‘1’:’[1, 2, 2]’}代表的是灰度值0对应的bgr值为[1, 1,1,1]，想法很简单，实现起来也很简单，就只需要几个循环就可以搞定，但是在后续的实验过程中，发现问题了，比如一张照片大小是200x200，那么我就要循坏200*200次，就要查询400000次字典，这个时间复杂度太高了，最后造成的结果就是：如果是灰度图像显示，最后效果可能是20帧左右，但是如果显示伪彩图，就只能5帧左右了，效果实在接受不了，正好某天在学Pytorch中，发现了一个函数：torch.gather()，这个函数跟查表很像，也就跟我伪彩图转化很像，都是将灰度值映射到一个彩色值，加上pytorch本来就是用c写的，所以抱着试一试的态度，哎呀，这效果不错，显示彩色图的帧率在15左右，人眼看起来较为流畅，如果电脑更好，速度很可能会更快，下面我就说一下怎么使用这个函数来达到伪彩图高效转化的目的。

好了，废话不多说，直接上代码：

'''this code was desinged by nike hu'''
def useColor(image):
    # print(datetime.datetime.now())
    global colorArrayFirst # 这个是伪彩色转化Tensor,维度为[256, 3],既然是全局变量，并且这个全局变量不能被改变，就要注意依据这个变量产生的数据不能同名
    # print(colorArrayFirst.shape)
    imageW = image.shape[1] # 图像的宽
    imageH = image.shape[0] # 图像的高
    image = torch.from_numpy(image) # 转化为tensor数据
    image = image.unsqueeze(-1).expand(imageH, imageW, 3) # 维度变化：[imageH, imageW]=>[imageH,imageW, 3]
    colorArray = colorArrayFirst.unsqueeze(0).expand(imageH, 256, 3) # 维度变化，[256， 3]->[imageH , 256, 3]
    # print('--------------------------', colorArray.shape)
    changeColor = torch.gather(colorArray, dim=1, index=image.long())
    # 第一个参数是待查的表，第二个参数代表查找的维度，这里dim=1,我们已知表的维度是[imageH, 256, 3]，所以这里dim=1代表最后返回的数据的维度为[3]
    # ,第三个参数就是查找表的下标，我们这里得下标就是灰度值，第一个参数和第三个参数在dim=1也就是第一个维度之前维度一致，都是imageH
    reallColor = changeColor.numpy() # 将tensor数据转化为Numpy数据，并且要将数据格式转化过来，否则openv无法显示
    reallColor = reallColor.astype(np.uint8) # numpy转化数据类型只能这个函数，使用dtype转化会将数据增加,要注意必须有参数接收返回值
    # print(datetime.datetime.now())
    # cv2.imshow('jj', reallColor)
    # cv2.waitKey()
    return reallColor