दो uint8 सरणियों

Question

की फास्ट पूर्ण अंतर मैं dtype=np.uint8 के साथ दो numpy-सरणियों है - इस तरह:

img1=np.uint8(np.random.randint(0, 255, (480, 640))) 
img2=np.uint8(np.random.randint(0, 255, (480, 640))) 

और मैं इन सरणियों के सकारात्मक अंतर निर्माण करना चाहते हैं।

def differenceImageV1(img1, img2): 
    diff=np.empty_like(img1) 
    h, w=img1.shape 
    for y in range(h): 
    for x in range(w): 
     if img1[y, x]<img2[y, x]: diff[y, x]=img2[y, x]-img1[y, x] 
     else:      diff[y, x]=img1[y, x]-img2[y, x] 
    return(diff) 

def differenceImageV2(img1, img2): 
    return(np.uint8(np.absolute(np.int16(img1)-np.int16(img2)))) 

def differenceImageV3(img1, img2): # fast - but wrong result 
    return(img1-img2) 

मैं (और रकम की जांच करने के लिए यदि वे बराबर हैं) इन निष्पादन समय मिलता है:

10x: 1893.54 ms np.sum=26122208 
1000x: 411.71 ms np.sum=26122208 
1000x: 26.60 ms np.sum=39123624 

यहाँ मेरी पहले दो approches (और संदर्भ के लिए एक तिहाई एक) कर रहे हैं

क्या वी 2 के साथ सही परिणाम प्राप्त करने का कोई तरीका है?

Answer 1

यहां एक दृष्टिकोण है जो V2 से काफी तेज़ है: img1-img2 लें, और img1>img2 पर निर्भर करते हुए 1 या -1 से गुणा करें। यह इस प्रकार से कार्यान्वित किया जाता है है:

def differenceImageV6(img1, img2): 
    a = img1-img2 
    b = np.uint8(img1<img2) * 254 + 1 
    return a * b 

परीक्षण प्रदर्शन के लिए एक परीक्षण दोहन:

import numpy as np 

img1=np.uint8(np.random.randint(0, 255, (480, 640))) 
img2=np.uint8(np.random.randint(0, 255, (480, 640))) 

def differenceImageV1(img1, img2): 
    diff=np.empty_like(img1) 
    h, w=img1.shape 
    for y in range(h): 
    for x in range(w): 
     if img1[y, x]<img2[y, x]: diff[y, x]=img2[y, x]-img1[y, x] 
     else:      diff[y, x]=img1[y, x]-img2[y, x] 
    return(diff) 

def differenceImageV2(img1, img2): 
    return(np.uint8(np.abs(np.int16(img1)-img2))) 

def differenceImageV3(img1, img2): # fast - but wrong result 
    return(img1-img2) 

def differenceImageV4(img1, img2): 
    return np.where(img1>img2, img1-img2, img2-img1) 

def differenceImageV5(img1, img2): 
    a = img1-img2 
    b = img2-img1 
    c = img1>img2 
    return a*c + b*(~c) 

def differenceImageV6(img1, img2): 
    a = img1-img2 
    b = np.uint8(img1<img2) * 254 + 1 
    return a * b 

import timeit 
def testit(): 
    for fn in [differenceImageV2, differenceImageV3, differenceImageV4, differenceImageV5, differenceImageV6]: 
    print fn.__name__, np.sum(fn(img1, img2).astype('int64')), 
    print timeit.timeit("%s(img1, img2)" % fn.__name__, "from test import img1, img2, %s" % fn.__name__, number=1000) 

if __name__ == '__main__': 
    testit() 

और जिसके परिणामस्वरूप प्रदर्शन संख्या:

differenceImageV2 26071358 0.982538938522 
differenceImageV3 39207702 0.0261280536652 
differenceImageV4 26071358 1.36270809174 
differenceImageV5 26071358 0.220561981201 
differenceImageV6 26071358 0.154536962509 

differenceImageV6, गलत differenceImageV3 से के बारे में 6x धीमी है लेकिन पिछले सबसे अच्छे differenceImageV2 की तुलना में अभी भी 6x तेज है। differenceImageV1 परीक्षण नहीं किया गया है क्योंकि यह बाकी की तुलना में धीमी गति के कुछ आदेश आसानी से धीमा है।

नोट: मैंने तुलना के लिए np.where दृष्टिकोण शामिल किया है; मैंने सोचा कि इसका अच्छा प्रदर्शन हो सकता है लेकिन यह काफी खराब साबित हुआ है। ऐसा लगता है कि एक बूलियन सरणी द्वारा स्लाइसिंग प्रदर्शन NumPy में काफी धीमी है।