加快两个图像的差异

Question

我有两张图像作为 numpy 数组，每张都是 180x180 并且具有 R、G、B 值，总共有 97200 个单独的值。我正在遍历每个像素和每个 R、G、B；计算对应的两个像素之间的差异并求和为一个整数。大约需要 5 秒。我怎样才能加快这个过程？

Answer 1

直接使用numpy即可

result = (array1 - array2).sum()

也可以只计算一个方向

result = (array1 - array2).sum(axis=0)

result = (array1 - array2).sum(axis=1)

result = (array1 - array2).sum(axis=2)

在我的旧电脑上拍摄图像 800x600 大约需要 0.003 秒。

---

cv2 的示例将图像作为 numpy 数组

import cv2
import time

img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

print('shape:', img1.shape)

start = time.time()

result = (img1 - img2).sum()

end = time.time()

print('result:', result)
print('  time:', end-start)

---

编辑： 带有图像的 numpy 数组可以使用数据类型 uint8，它只能使用值 0..255，所以减法 1-2 可能会给出 254 而不是 -1。您可以将数据转换为 int 以获得负值和 -1 而不是 254。然后您可以使用 abs() 或 **2 将负值转换为正值以创建正确的总和 - 如 mean squared error.

print(img1.dtype, img1.dtype)

img1 = img1.astype(int)
img2 = img2.astype(int)

diff = img1 - img2
print( diff.sum() )
print( (diff**2).sum() )
print( np.abs(diff).sum() )

所有这些计算仍然很快。