Opencv python: 对每个像素应用任意函数而不需要迭代

Question

在使用Python的OpenCV时，是否有一种方法可以在利用NumPy的优化的同时对图像中的每个像素应用任意函数？

例如，我想获取单通道图像的Sigmoid：

out_image[:,:] = 1 / (1 + math.exp(-in_img[:,:]))

但这并不起作用（不出所料）：TypeError: only length-1 arrays can be converted to Python scalars。

有没有办法诱使numpy做类似于此的事情？

当然，我可以遍历像素，这在C++中可能很好，但在Python中非常慢。

- StaringFrog

---

尝试将 math.exp 替换为 np.exp。 - Divakar

这是解决这个特定问题的方案。我能否定义一个操作单个像素的任意函数，并诱使numpy快速运行它？还是我编写的任何函数都需要直接在numpy数组上操作？ - StaringFrog

Answer 1

正如@Divakar所建议的那样，用只知道标量的math.exp替换为也知道ndarray的numpy.exp是正确的方法。

另外一些基准测试：

in_img = numpy.random.random((1000, 1000))

在CPython中：

%timeit (1 / (1 + numpy.exp(-in_img[:,:])))

执行10次，3次取最佳结果：每次循环耗时51.1毫秒。

使用numexpr：

import numexpr
%timeit numexpr.evaluate("1 / (1 + exp(-in_img))")
10 loops, best of 3: 27.9 ms per loop

使用Numba（假设您已经像下面这样正确注释了函数）

import numpy
from numba import vectorize, float64
@vectorize([float64(float64)])
def f(x):
    return 1 / (1 + numpy.exp(-x))

你将得到：

%timeit f(in_img)
100 loops, best of 3: 5.34 ms per loop

使用Pythran（假设您已编译以下功能）

#pythran export f(float[][])
def f(in_img):
    return 1 / (1 + numpy.exp(-in_img[:,:]))

使用以下命令进行编译：

pythran f.py -DUSE_BOOST_SIMD -march=native

并且测试它：

100 loops, best of 3: 5.07 ms per loop

- serge-sans-paille

---

这是解决这个特定问题的方案。我能否定义一个操作单个像素的任意函数，并诱使numpy快速运行它？还是我编写的任何函数都需要直接在numpy数组上操作？ - StaringFrog