Leistung: binäre Bild erweitern (morphologische Dilatation)

Question

Ich schrieb eine Cython-Funktion, die ein Binärbild (numpy Array) um 1 Pixel erweitert. Deshalb möchte ich einfach den Bereich zu erweitern, wo Array-Werte sind 1. Hier ist mein naiver Ansatz:

def expand_1px (numpy.ndarray[numpy.uint8_t, ndim = 2] A): 
    cdef int h = A.shape[0] 
    cdef int w = A.shape[1] 
    cdef numpy.ndarray[numpy.uint8_t, ndim = 2] RES = numpy.zeros([h, w], dtype = numpy.uint8) 
    # These Two lines below were originally missing 
    cdef int y, x 
    cdef unsigned char prev, cur 

    for x in range (0, w): 
     for y in range (1, h): 
      prev = A[y-1,x] 
      cur = A[y,x] 
      if cur > prev: 
       RES[y-1, x] = 1 
      if cur < prev: 
       RES[y,x] = 1 
    for y in range (0, h): 
     for x in range (1, w): 
      prev = A[y,x-1] 
      cur = A[y,x] 
      if cur > prev: 
       RES[y, x-1] = 1 
      if cur < prev: 
       RES[y,x] = 1 
    return numpy.bitwise_or(A,RES) 

Dies funktioniert korrekt, aber ist kläglich langsam. Eine OpenCV-Funktion dilate() ist ~ 30 mal schneller als meine Cython-Variante und gibt das gleiche Ergebnis. Ich benutze es wie folgt aus:

kernel = numpy.ones((3,3), dtype="uint8") 
kernel[0,0] = 0 
kernel[2,2] = 0 
kernel[0,2] = 0 
kernel[2,0] = 0 
... 
IMG = cv2.dilate(IMG,kernel,iterations = 1) 

---

Q:

• Wie kann so schnell OpenCV die Variante sein? Was macht es eigentlich?
• Wie kann ich meine Cython-Funktion so schnell arbeiten lassen?

---

aktualisieren:

Eine solche schlechte Leistung war aufgrund fehlender "cdef Erklärungen, mein schlecht. Hinzufügen dieser Funktion macht den Unterschied:

cdef int y, x 
cdef unsigned char prev, cur 

Immer noch der Leistungsunterschied ist etwa 30 mal, was auch etwas enttäuschend ist. Irgendwelche Ratschläge für weitere Verbesserungen?

Answer 1

Es gibt ein großes Problem mit Ihrer Funktion: Sie machen mehr Schleifen, die Sie brauchen.

import cython 

@wraparound(false) 
def expand_1px(numpy.ndarray[numpy.uint8_t, ndim = 2] A): 
    cdef int h = A.shape[0] 
    cdef int w = A.shape[1] 
    cdef numpy.ndarray[numpy.uint8_t, ndim = 2] RES = numpy.zeros([h, w], dtype = numpy.uint8) 
    cdef int y, x 
    cdef unsigned char prev, cur 

    for x in range(1, w): 
     for y in range(1, h): 
      cur = A[y,x] 

      prev = A[y-1,x] 
      if prev < cur: 
       RES[y-1,x] = 1 
      elif cur < prev: 
       RES[y,x] = 1 

      prev = A[y, x-1] 
      if prev < cur: 
       RES[y,x-1] = 1 
      elif cur < prev: 
       RES[y,x] = 1 

    for x in range(1, w): 
     cur = A[0,x] 
     prev = A[0,x-1] 
     if prev < cur: 
      RES[0,x-1] = 1 
     elif cur < prev: 
      RES[0,x] = 1 

    for y in range(1, h): 
     cur = A[y,0] 
     prev = A[y-1,0] 
     if prev < cur: 
      RES[y-1,0] = 1 
     elif cur < prev: 
      RES[y,0] = 1 

    return numpy.bitwise_or(A,RES) 

Ursprünglich hast du 2wh Iterationen, mit dieser Änderung nur Sie wh + w + h Iterationen tun.