Python和wx图像：如何快速对每个像素应用一个简单的函数？

Question

我正在处理

1. myWxImage，一个图像。在
2. myLabelImage，一个与图像形状相同的numpy数组，每个像素包含一个标签（一个整数）
3. myLookupTable，一个一维的numpy数组，即一个向量，它有和标签一样多的条目。（我用它将标签映射到浮点数。）

目标是迭代像素，对于每个像素，考虑其标签，查找相应的浮点数，并将其与该像素的颜色相乘。在

下面的代码确实做到了这一点，但是太慢了。你有没有一个简单的建议，如何在不诉诸C++或GPU编程的情况下更快地完成这一操作，当然，这在这里会有很多意义。在

weightedImage = wx.EmptyImage(myWxImage.Width, myWxImage.Height)
rgb = numpy.zeros(3, dtype=int);
for x in range(0, myWxImage.Width):
    for y in range(0, myWxImage.Height):
        label = myLabelImage[x, y]
        weight = myLookUpTable[label]
        rgb[0] = myWxImage.GetRed(x, y)
        rgb[1] = myWxImage.GetGreen(x, y)
        rgb[2] = myWxImage.GetBlue(x, y)
        rgb = rgb * weight
        weightedImage.SetRGB(x, y, rgb[0], rgb[1], rgb[2])
myBitmap = wx.BitmapFromImage(weightedImage)

# draw myBitmap

Answer 1

如果标签图像和查找表是常量，可以尝试以下操作：

1. 将权重向量预计算为1D numpy float数组（整形+查找）
2. 使用wxImageGetData调用获取RGB图像数据
3. 使用fromstring将其转换为numpy数组
4. 使用numpy元素乘除得到最终图像
5. 使用numpy将其还原为图像数组.tostring+ wxImage.SetData在

直接对图像缓冲区本身执行乘法（使用GetDataBuffer）可能会更快，而不是通过numpy数组往返；您必须计时并查看。在