pembangunan bahagian belakang
Tutorial Python
Cepat menukar penjana ke array numpy dan mengoptimumkan rawak piksel imej
Cepat menukar penjana ke array numpy dan mengoptimumkan rawak piksel imej
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。
Atas ialah kandungan terperinci Cepat menukar penjana ke array numpy dan mengoptimumkan rawak piksel imej. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
Alat AI Hot
Undress AI Tool
Gambar buka pakaian secara percuma
Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik
AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.
Clothoff.io
Penyingkiran pakaian AI
Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!
Artikel Panas
Alat panas
Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma
SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan
Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa
Dreamweaver CS6
Alat pembangunan web visual
SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)
Cara Mengendalikan Pengesahan API di Python
Jul 13, 2025 am 02:22 AM
Kunci untuk menangani pengesahan API adalah untuk memahami dan menggunakan kaedah pengesahan dengan betul. 1. Apikey adalah kaedah pengesahan yang paling mudah, biasanya diletakkan dalam tajuk permintaan atau parameter URL; 2. BasicAuth menggunakan nama pengguna dan kata laluan untuk penghantaran pengekodan Base64, yang sesuai untuk sistem dalaman; 3. OAuth2 perlu mendapatkan token terlebih dahulu melalui client_id dan client_secret, dan kemudian bawa bearertoken dalam header permintaan; 4. Untuk menangani tamat tempoh token, kelas pengurusan token boleh dikemas dan secara automatik menyegarkan token; Singkatnya, memilih kaedah yang sesuai mengikut dokumen dan menyimpan maklumat utama adalah kunci.
Skop pembolehubah python dalam fungsi
Jul 12, 2025 am 02:49 AM
Dalam Python, pembolehubah yang ditakrifkan di dalam fungsi adalah pembolehubah tempatan dan hanya sah dalam fungsi; Ditakrifkan secara luaran adalah pembolehubah global yang boleh dibaca di mana sahaja. 1. Pembolehubah tempatan dimusnahkan kerana fungsi dilaksanakan; 2. Fungsi ini boleh mengakses pembolehubah global tetapi tidak dapat diubahsuai secara langsung, jadi kata kunci global diperlukan; 3. Jika anda ingin mengubah suai pembolehubah fungsi luar dalam fungsi bersarang, anda perlu menggunakan kata kunci nonlocal; 4. Pembolehubah dengan nama yang sama tidak mempengaruhi satu sama lain dalam skop yang berbeza; 5. Global mesti diisytiharkan apabila mengubah suai pembolehubah global, jika tidak, kesilapan unboundlocalerror akan dibangkitkan. Memahami peraturan ini membantu mengelakkan pepijat dan menulis lebih banyak fungsi yang boleh dipercayai.
Cara Menguji API dengan Python
Jul 12, 2025 am 02:47 AM
Untuk menguji API, anda perlu menggunakan Perpustakaan Permintaan Python. Langkah -langkahnya adalah untuk memasang perpustakaan, menghantar permintaan, mengesahkan respons, menetapkan masa dan cuba semula. Pertama, pasang perpustakaan melalui PipinstallRequests; kemudian gunakan permintaan.get () atau requests.post () dan kaedah lain untuk menghantar permintaan GET atau pos; Kemudian semak respons.status_code dan response.json () untuk memastikan hasil pulangan mematuhi jangkaan; Akhirnya, tambah parameter tamat masa untuk menetapkan masa tamat, dan menggabungkan perpustakaan semula untuk mencapai percubaan automatik untuk meningkatkan kestabilan.
Tutorial Python Fastapi
Jul 12, 2025 am 02:42 AM
Untuk mewujudkan API moden dan cekap menggunakan Python, FastAPI disyorkan; Ia berdasarkan kepada jenis python standard yang diminta dan secara automatik dapat menghasilkan dokumen, dengan prestasi yang sangat baik. Selepas memasang FastAPI dan Asgi Server UVicorn, anda boleh menulis kod antara muka. Dengan menentukan laluan, menulis fungsi pemprosesan, dan data yang kembali, API boleh dibina dengan cepat. FastAPI menyokong pelbagai kaedah HTTP dan menyediakan sistem dokumentasi Swaggersui dan Redoc yang dihasilkan secara automatik. Parameter URL boleh ditangkap melalui definisi laluan, manakala parameter pertanyaan boleh dilaksanakan dengan menetapkan nilai lalai untuk parameter fungsi. Penggunaan rasional model Pydantic dapat membantu meningkatkan kecekapan dan ketepatan pembangunan.
Bagaimana cara menghuraikan fail JSON yang besar di Python?
Jul 13, 2025 am 01:46 AM
Bagaimana cara mengendalikan fail JSON yang besar di Python? 1. Gunakan Perpustakaan IJSON untuk mengalir dan mengelakkan limpahan memori melalui parsing item demi item; 2. Jika dalam format Jsonlines, anda boleh membacanya dengan garis dan memprosesnya dengan json.loads (); 3. Atau memecah fail besar ke dalam kepingan kecil dan kemudian memprosesnya secara berasingan. Kaedah ini dengan berkesan menyelesaikan masalah batasan memori dan sesuai untuk senario yang berbeza.
Python untuk gelung di atas tuple
Jul 13, 2025 am 02:55 AM
Di Python, kaedah melintasi tupel dengan gelung termasuk secara langsung melelehkan unsur -unsur, mendapatkan indeks dan elemen pada masa yang sama, dan memproses tuple bersarang. 1. Gunakan gelung untuk terus mengakses setiap elemen dalam urutan tanpa menguruskan indeks; 2. Gunakan penghitungan () untuk mendapatkan indeks dan nilai pada masa yang sama. Indeks lalai adalah 0, dan parameter permulaan juga boleh ditentukan; 3. Di samping itu, tuple tidak berubah dan kandungan tidak dapat diubah suai dalam gelung. Nilai yang tidak diingini boleh diabaikan oleh \ _. Adalah disyorkan untuk memeriksa sama ada tuple kosong sebelum melintasi untuk mengelakkan kesilapan.
Bolehkah kelas Python mempunyai beberapa pembina?
Jul 15, 2025 am 02:54 AM
Ya, apythonclasscanhavemulleConstructorsThoughalternetechniques.1.usedefaultargumentsIntheS
Mengakses data dari API Web di Python
Jul 16, 2025 am 04:52 AM
Kunci untuk menggunakan Python untuk memanggil WebAPI untuk mendapatkan data adalah untuk menguasai proses asas dan alat umum. 1. Menggunakan permintaan untuk memulakan permintaan HTTP adalah cara yang paling langsung. Gunakan kaedah GET untuk mendapatkan respons dan gunakan JSON () untuk menghuraikan data; 2. Bagi API yang memerlukan pengesahan, anda boleh menambah token atau kunci melalui tajuk; 3. Anda perlu menyemak kod status tindak balas, disyorkan untuk menggunakan respons.raise_for_status () untuk mengendalikan pengecualian secara automatik; 4. Menghadapi antara muka paging, anda boleh meminta halaman yang berbeza pada gilirannya dan menambah kelewatan untuk mengelakkan batasan kekerapan; 5. Semasa memproses data JSON yang dikembalikan, anda perlu mengekstrak maklumat mengikut struktur, dan data kompleks dapat ditukar kepada data
