我一直在研究一種演算法來檢測影像中的文本區域，并實作了兩個函式來查看它們之間的性能差異。
對于第一個，它迭代所有像素并檢查其值在另一個二進制影像中是否為“1”：
for j in range(edgeImage.shape[0]):
for i in range(edgeImage.shape[1]):
if edgeImage[j,i] == 0:
continue
對于第二個，我使用 np.nonzeros 來獲取所有非零像素，因為我不處理零：
edgePointRows, edgePointCols = np.nonzero(edgeImage)
for index in range(len(edgePointRows)):
i = edgePointCols[index]
j = edgePointRows[index]
但是當我將它們與 timeit 進行比較時，第二個需要更長的時間才能完成：
all pixels 3.2452468999999997
relevant pixels 3.463474800000001
我嘗試了更大的影像，如 4056x3040 并看到了差異，但我想知道為什么當影像尺寸減小時它會變慢？
我在回圈或計時上做錯了嗎？
uj5u.com熱心網友回復：
如果nonzero您正在做更多的作業：您正在回圈影像，查找非零元素，并使用它們的索引創建一個陣列。然后你遍歷這些索引。在另一種情況下，您永遠不會創建該陣列，您只需遍歷影像一次。
但是里面的回圈nonzero是編譯的，因此速度很快，而普通for回圈是解釋的 Python 代碼，運行速度要慢得多。該nonzero案例具有較小的 Python 回圈，因此速度更快。
所以這是一個問題，即案例中完成的額外作業何時與nonzero較小的 Python 回圈節省的時間相匹配。
uj5u.com熱心網友回復：
numpy方法在呼叫時有一些開銷（例如陣列的記憶體分配），無論輸入如何，它都需要一個固定的時間'x'。
因此，如果輸入足夠小，純 python 呼叫可以花費不到 'x' 的時間，使其更快。
此外，第二個代碼仍然使用一個for分配值的回圈，但第一個代碼只有比較。
不建議使用 python 回圈來分配 numpyndarray的，嘗試使用numpy方法。
您可以為影像創建蒙版
# mask will be an array of bool, True for every nonzero values, False othervise
mask = imgArray != 0
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/504481.html
上一篇：朱莉婭似乎很慢