用 skimage 变形太慢

Question

（趁机不在这里发布示例，但我认为这个问题很笼统，没有必要。）

我正在使用 skimage.transform.warp 扭曲 200x2000 的图像，给定使用 skimage.transform.PiecewiseAffineTransform 计算的 500 个源和目标控制点。当我运行在单个图像上执行此操作时，大约需要 3 秒。根据每个人的经验，这是一个合理的运行计算时间吗？

我问的原因是我可能有数百张相同尺寸的图像，我想对其应用相同的逆变换，但这将花费 waaaaay 太长的时间。如果我使用 Python 的 multiprocessing 模块，计算会挂起并且永远不会完成。

我想做的是运行 warp 在单个图像上，然后计算一个多项式，该多项式定义变形图像中每个像素的值，给定所有 400000 个像素的值输入图像。数学上：

f'(x,y) = a0_0*f(0,0) + a0_1*f(0,1) + ... + a200_1999*f(200,1999) + a200_2000*f(200,2000)

有没有人建议我如何去做这个或类似的事情或更快地实施一些事情？

谢谢！

Answer 1

我运行在不得不校正来自光谱相机的一些图像时遇到了类似的问题。我最终使用了 sp.ndimage.map_coordinates。您必须构建一个函数，t运行s 将您的源点坐标转换为目标坐标（下例中的 dummy 函数）。我从这个问题中了解到这个t运行sformation对于一堆图像是相同的，并且你已经有了这个功能。

然后生成完整的坐标网格，map_coordinates 将通过样条插值将原始图像映射到这些新坐标上。

from scipy.ndimage import map_coordinates

# stack of 10 images
imgs=np.random.normal(size=[10,200,2000])
x, y = np.arange(imgs.shape[1]), np.arange(imgs.shape[2])
ini_coord=np.meshgrid(x, y)

# dummy function transforms source points into destination points
def dummy(ini_coord):
    return [0.9*x.T for x in ini_coord]
out_coord=dummy(ini_coord)

import time
tt=time.clock()
out_img=np.zeros(imgs.shape)
for i, img in enumerate(imgs):   
    out_img[i]=map_coordinates(img, out_coord, mode='nearest')

print('{:3f} s'.format(time.clock()-tt))

运行不到 1 秒。在我的电脑上

用 skimage 变形太慢

Warp with skimage too slow

python

scikit-image

affinetransform