ジェネレーターをすばやくnumpyアレイに変換し、画像ピクセルのランダム化を最適化します
图像处理中，随机化像素顺序是一种常见的操作。原始代码中使用np.random.shuffle函数来实现，但效率较低。为了提升性能，开发者尝试使用生成器（generator）配合np.random.permutation，但遇到了类型转换的问题。本文将深入探讨如何利用np.random.permutation更高效地随机化图像像素，并解决将生成器转换为NumPy数组的难题。
使用 np.random.permutation 优化像素随机化
直接使用np.random.shuffle对大型数组进行原地洗牌效率较低。一个更高效的方法是生成一个随机排列的索引数组，然后使用该索引数组重新排列原始数组。
以下是改进后的代码示例：
import numpy as np
import time
def randomize_image(img):
# convert image from (m,n,3) to (N,3)
rndImg = np.reshape(img, (-1, img.shape[2]))
np.random.shuffle(rndImg)
rndImg = np.reshape(rndImg, img.shape)
return rndImg
def randomize_image2(img):
# convert image from (m,n,3) to (N,3)
rndImg = np.reshape(img, (-1, img.shape[2]))
i = np.random.permutation(len(rndImg))
rndImg = rndImg[i, :]
rndImg = np.reshape(rndImg, img.shape)
return rndImg
# 示例用法
m, n = 1000, 1000
img = np.arange(m*n*3).reshape(m, n, 3)
start_time = time.perf_counter()
img1 = randomize_image(img)
end_time = time.perf_counter()
print('Time random shuffle: ', end_time - start_time)
start_time = time.perf_counter()
img2 = randomize_image2(img)
end_time = time.perf_counter()
print('Time random permutation: ', end_time - start_time)
在这个例子中，randomize_image2 函数使用了 np.random.permutation 生成一个随机索引数组 i。然后，它使用这个索引数组来重新排列 rndImg 数组的行，从而实现像素的随机化。
使用 NumPy Generator 进一步优化
从 NumPy 1.17 版本开始，NumPy 引入了新的随机数生成器 (Generator) API，它提供了更好的性能和更多的控制选项。可以利用它来进一步优化像素随机化。
import numpy as np
# 在函数外部初始化 Generator
rng = np.random.default_rng()
def randomize_image3(img):
# convert image from (m,n,3) to (N,3)
rndImg = np.reshape(img, (-1, img.shape[2]))
i = rng.permutation(len(rndImg))
rndImg = rndImg[i, :]
rndImg = np.reshape(rndImg, img.shape)
return rndImg
在这个例子中，rng.permutation 代替了 np.random.permutation。 注意： rng = np.random.default_rng() 应该在函数外部初始化，避免每次调用函数时都重新初始化，从而提高效率。
关于生成器 (Generator) 的说明
原始代码中尝试使用 yield 创建生成器，但这并不是解决问题的正确方向。生成器主要用于迭代产生值，而此处的目标是直接获得随机化后的NumPy数组。因此，不需要将函数改为生成器。
总结与注意事项
- 使用 np.random.permutation 生成索引数组比直接使用 np.random.shuffle 更高效。
- 利用 NumPy 的 Generator 对象可以进一步提升性能，特别是对于大型图像。
- 避免不必要地使用生成器，因为它们并不适合直接生成NumPy数组的场景。
- -1 在 np.reshape 中表示 "根据其他维度自动计算大小"，使代码更简洁。
通过以上方法，可以显著提升图像像素随机化的效率，并更好地理解NumPy中随机数生成的相关工具。根据图像大小和具体应用场景，选择最合适的优化策略。
以上がジェネレーターをすばやくnumpyアレイに変換し、画像ピクセルのランダム化を最適化しますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
ホットAIツール
Undress AI Tool
脱衣画像を無料で
Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ
AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。
Clothoff.io
AI衣類リムーバー
Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。
人気の記事
ホットツール
メモ帳++7.3.1
使いやすく無料のコードエディター
SublimeText3 中国語版
中国語版、とても使いやすい
ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境
ドリームウィーバー CS6
ビジュアル Web 開発ツール
SublimeText3 Mac版
神レベルのコード編集ソフト（SublimeText3）
python httpx asyncクライアントの例
Jul 29, 2025 am 01:08 AM
httpx.asyncclientを使用して、非同期httpリクエストを効率的に開始します。 1.基本的なGETリクエストは、asyncwithを介してクライアントを管理し、awaitclient.getを使用して非ブロッキングリクエストを開始します。 2。asyncio.gatherを組み合わせてasyncio.gatherを組み合わせると、パフォーマンスが大幅に向上する可能性があり、合計時間は最も遅いリクエストに等しくなります。 3.カスタムヘッダー、認証、base_url、タイムアウト設定をサポートします。 4。投稿リクエストを送信してJSONデータを伝達できます。 5.同期非同期コードの混合を避けるために注意してください。プロキシサポートは、クローラーやAPI集約、その他のシナリオに適したバックエンド互換性に注意を払う必要があります。
PythonはSQL Server Pyodbcの例に接続します
Jul 30, 2025 am 02:53 AM
Pyodbcのインストール：Pipinstallpyodbcコマンドを使用してライブラリをインストールします。 2.接続sqlserver：pyodbc.connect（）メソッドを介して、ドライバー、サーバー、データベース、uid/pwdまたはtrusted_connectionを含む接続文字列を使用し、それぞれSQL認証またはWindows認証をサポートします。 3.インストールされているドライバーを確認します：pyodbc.drivers（）を実行し、「sqlserver」を含むドライバー名をフィルタリングして、「sqlserverのodbcdriver17」などの正しいドライバー名が使用されるようにします。 4.接続文字列の重要なパラメーター
SQLALCHEMY 2.0 DepRECATION警告と接続閉鎖問題解決ガイド
Aug 05, 2025 pm 07:57 PM
この記事の目的は、Sqlalchemyの初心者がCreate_Engineを使用したときに遭遇した「removedin20warning」警告を解決することを支援することを支援することを支援することを支援することを目的としています。この記事では、この警告の原因を詳細に説明し、特定の手順とコード例を提供して、警告と接続の問題を排除し、データベースをスムーズにクエリして操作できるようにします。
python shotil rmtreeの例
Aug 01, 2025 am 05:47 AM
shutil.rmtree（）は、ディレクトリツリー全体を再帰的に削除するPythonの関数です。指定されたフォルダーとすべてのコンテンツを削除できます。 1.基本的な使用法：shutil.rmtree（PATH）を使用してディレクトリを削除すると、FilenotFounderror、PermissionError、その他の例外を処理する必要があります。 2。実用的なアプリケーション：一時的なデータやキャッシュディレクトリなど、サブディレクトリとファイルを1回クリックして含むフォルダーをクリアできます。 3。注：削除操作は復元されません。 FilenotFounderrorは、パスが存在しない場合に投げられます。許可またはファイル職業のために失敗する可能性があります。 4.オプションのパラメーター：INGRORE_ERRORS = trueでエラーを無視できます
データエンジニアリングのPython etl
Aug 02, 2025 am 08:48 AM
Pythonは、ETLプロセスを実装するための効率的なツールです。 1。データ抽出：データベース、API、ファイル、およびその他のソースからデータを抽出できます。Pandas、Sqlalchemy、Requests、その他のライブラリを介して。 2。データ変換：パンダを使用して、クリーニング、タイプ変換、関連性、集約、その他の操作を使用して、データの品質を確保し、パフォーマンスを最適化します。 3。データの読み込み：PandasのTO_SQLメソッドまたはクラウドプラットフォームSDKを使用して、ターゲットシステムにデータを書き込み、書き込み方法とバッチ処理に注意してください。 4。ツールの推奨事項：気流、ダグスター、長官は、ログアラームと仮想環境を組み合わせて、安定性と保守性を向上させるために、プロセスのスケジューリングと管理に使用されます。
PythonでSQLクエリを実行する方法は？
Aug 02, 2025 am 01:56 AM
対応するデータベースドライバーをインストールします。 2。CONNECT（）を使用してデータベースに接続します。 3.カーソルオブジェクトを作成します。 4。Execute（）またはexecuteMany（）を使用してSQLを実行し、パラメーター化されたクエリを使用して噴射を防ぎます。 5。Fetchall（）などを使用して結果を得る。 6。COMMING（）は、変更後に必要です。 7.最後に、接続を閉じるか、コンテキストマネージャーを使用して自動的に処理します。完全なプロセスにより、SQL操作が安全で効率的であることが保証されます。
Pythonを使用してExcelからWebフォームにデータ入力を自動化する方法は？
Aug 12, 2025 am 02:39 AM
Pythonを使用してExcelデータをWebフォームに入力する方法は次のとおりです。最初にPandasを使用してExcelデータを読み取り、次にSeleniumを使用してブラウザを制御してフォームを自動的に入力して送信します。特定の手順には、Pandas、OpenPyXL、Seleniumライブラリのインストール、対応するブラウザドライバーのダウンロード、Pandasを使用してdata.xlsxファイルの名前、電子メール、電話、その他のフィールドを読み取り、セレニウムを介してブラウザを起動してターゲットWebページを開き、フォーム要素を見つけ、レインごとにデータラインを提出します。ループ内のすべてのデータライン。
Python Pandasスタイリングデータフレームの例
Aug 04, 2025 pm 01:43 PM
JupyternotebookでPandasstylingを使用すると、データフレームの美しいディスプレイを実現できます。 1。Highlight_maxとhighlight_minを使用して、各列の最大値（緑）と最小値（赤）を強調表示します。 2.勾配の背景色（ブルースや赤など）をbackground_gradientを介して数値列に追加して、データサイズを視覚的に表示します。 3.カスタム関数Color_ScoreとApplyMapを組み合わせて、異なる分数間隔に対してテキスト色を設定しました（≥90グリーン、80〜89オレンジ、60〜79赤、
