使用 scipy.weave.inline 进行快速 2D 中值滤波答案

【问题标题】：Using scipy.weave.inline for fast 2D median filtering使用 scipy.weave.inline 进行快速 2D 中值滤波
【发布时间】：2012-04-09 18:11:09
【问题描述】：

我在大量图像上使用的 2D 中值滤波器（3x3 窗口）存在瓶颈，我想尝试优化它。我测试了scipy.ndimage median_filter，以及PIL、scipy.signal 和scikits-image。但是，在 SO 中浏览时，我了解到 C 中有一个快速 O(n) 中值过滤器（Constant Time 中的中值过滤参见Rolling median algorithm in C），我想知道是否可以使用 scipy.weave 在 Python 中实现它。排队？有什么替代路线的建议吗？

【问题讨论】：

我有一个用于 Perreault + Hebert 的 cython 包装器，在某个地方进行恒定时间的中值过滤——但这对于 3x3 来说太过分了，最好做一个排序网络，25 个比较中有 9 个输入。输入是 0..255 还是什么？
您只想处理您的图像集吗？ OpenCV 是替代路线吗？ medianBlure 也许？您还拥有 CUDA 和 OpenCl 实现。
大部分代码框架已经在python中，小部分在matlab中，最好用python实现这部分代码。
@natan OpenCV 的大部分功能都有一个不错的 Python 接口。例如。来自文档：Python：cv2.medianBlur(src, ksize[, dst]) → dst
@eickenberg，我猜你是对的，它的意思是线性的，所以 O(n) 是正确的写法吗？

标签： python image-processing scipy filtering median

【解决方案1】：

我不知道底层算法，但是 scikits-image 有一个rolling median filter。

否则，我建议用Cython（C/Python pidgin 语言）编写它。请务必查看 convolution example/tutorial 以了解如何使用 numpy 数组。

【讨论】：

谢谢，我会调查的。另外，写 3x3 我的意思是中间窗口大小是 3x3，它使用的实际图像是百万像素大。
嗯，scikits 似乎比 PIL 和 scipy.ndimage 还要慢。不幸的是，我处理的图像是 16 位的，所以 0..255 选项不相关。下一个 Cython...

【解决方案2】：

如果您仍然感兴趣，我会尝试 numpy 的重塑和中位数：

a= some big array
a.reshape(N,3,3) #N being specific to your array
[numpy.median(m) for m in a]

我不知道这与您的 testet 方法相比如何扩展，但如果您想使用 C 进行优化，您可以在列表理解中固定 for 循环...

【讨论】：

这很优雅，但不幸的是它计算了每个不重叠的 3x3 的中值，而不是每个可能的 3x3 的中值。

【解决方案3】：

试试这个： Rolling median in C - Turlach implementation

http://ideone.com/8VVEa

用法：

Mediator* m = MediatorNew(9);
for (...)
{
      MediatorInsert(m, value);
      median = MediatorMedian(m);
}

我相信这与 R 算法相同，但更简洁（事实上，令人惊讶的是）。

您可以包装它，也可以移植它并使用 Numba（或 Cython）。如果没有别的，我想我会推荐 Numba 而不是 Cython，因为它是普通的旧 python 代码。

如果它的运行速度已经比 scikits 中的快，我建议将它添加到 scikits 中：)

【讨论】：

感谢 Alex，我还没有尝试过，但看起来很有希望。