<p>我尝试处理许多表示为NumPy数组的图像,但这花费了太长的时间。这就是我想做的</p>
<pre><code># image is a list with images
max = np.amax(image[k])# k is current image index in loop
# here i try to normalize SHORT color to BYTE color and make it fill all range from 0 to 255
# in images max color value is like 30000 min is usually 0
i = 0
while i < len(image[k]):
j = 0
while j < len(image[k][i]):
image[k][i][j] = float(image[k][i][j]) / (max) * 255
j += 1
i += 1
</code></pre>
<p>如果我只读取图像(总共170张(图像为512x512)),而不需要大约7秒,如果我进行这种标准化,则需要20分钟。一切都在密码里。在这里,我试着把我的图像着色</p>
^{2}$
<p>接下来,我尝试用彩色像素替换选定的区域像素,例如rgb模型中的120(灰色)—>;(255 40 0)。在</p>
<pre><code> for i in range(len(mask1)):
for j in range(len(mask1[0])):
#mask is NumPy array with selected pixel painted in white (255)
if (mask[i][j] > 250):
maskLoot1[i][j * 3] = lootScheme[mask1[i][j]][1] #red chanel
maskLoot1[i][j * 3+1] = lootScheme[mask1[i][j]][2] #green chanel
maskLoot1[i][j * 3+2] = lootScheme[mask1[i][j]][3] #bluechanel
</code></pre>
<p>而且它也需要很多时间,不是20分钟,而是很长时间,使我的脚本滞后。考虑到这只是我对数组的许多操作中的两个,如果在第二种情况下,我们可以对其他操作使用一些bultin函数,那就不太可能了。有没有办法加快我的速度?在</p>