我正在尝试使用GDAL和Python实现最小距离算法进行图像分类。在计算样本区域的平均像素值并将它们存储到一个数组列表(“sample_array”)之后,我将图像读入名为“values”的数组中。使用以下代码循环遍历该数组:
values = valBD.ReadAsArray()
# loop through pixel columns
for X in range(0,XSize):
# loop thorugh pixel lines
for Y in range (0, YSize):
# initialize variables
minDist = 9999
# get minimum distance
for iSample in range (0, sample_count):
# dist = calc_distance(values[jPixel, iPixel], sample_array[iSample])
# computing minimum distance
iPixelVal = values[Y, X]
mean = sample_array[iSample]
dist = math.sqrt((iPixelVal - mean) * (iPixelVal - mean)) # only for testing
if dist < minDist:
minDist = dist
values[Y, X] = iSample
classBD.WriteArray(values, xoff=0, yoff=0)
这个过程对于大图片来说非常耗时。因此,我想问一下是否有人知道更快的方法。我不太了解Python中不同变量的访问速度。或者也许有人知道我可以使用的库。 提前感谢, Mario