我该如何改进这个算法？（图像处理）答案

【问题标题】：How can I improve this algorithm ? (Image Processing)我该如何改进这个算法？（图像处理）
【发布时间】：2016-06-11 18:41:27
【问题描述】：

好的，经过几个小时关于图像处理主题的文档（我是初学者），我决定自己实现一个边缘检测功能，以更好地理解其背后的数学原理。幸运的是我能够做到，但我的算法太慢了（O（n ^ 2））。我将在下面发布带有帧处理部分的代码：

ret, frame = cap.read()
grayed  = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
rows, cols = grayed.shape
for row in range(rows-2):
    for col in range(cols-2):
        Gx = grayed.item(row+2,col)+2*grayed.item(row+2,col+1)+grayed.item(row+2,col+1)-(grayed.item(row,col)+2*grayed.item(row,col+1)+grayed.item(row,col+2))
        Gy = grayed.item(row,col+2)+2*grayed.item(row+1,col+2)+grayed.item(row+2,col+1)-(grayed.item(row,col)+2*grayed.item(row+1,col)+grayed.item(row+2,col))
        grad = math.sqrt(Gx**2 + Gy**2)
        grayed.itemset((row, col), grad)
cv2.imshow('frame', grayed)
if cv2.waitKey(1) & 0xFF == ord('q'):
    break

提前致谢！

【问题讨论】：

我不是python专家，但我会从bumpy开始使用ndarray，它应该会加速这个过程。
您能否提供更多关于您传递给此函数的数据类型的信息？也许发布一个小例子。我相信您可以使用 numpy 或 numpy 和 Cython 的组合来大大加快速度。使用 Cython 将使您接近 C 速度。这当然只会改变算法的运行时间，但仍然是 O(n^2)。
我已经编辑了我的帖子。我开始使用灰度图像而不是未触及的框架，它确实加快了我的进程。我也删除了内核创建，因为它根本没有用。问题是它仍然不够快。
我认为它与代码审查有关：codereview.stackexchange.com
@AndreySmorodov 你读过他们的on-topic help centre?

标签： python opencv image-processing

【解决方案1】：

我分析了你的代码：

您正在应用两个渐变滤镜，一个用于方向x，一个用于y。

这些过滤器看起来像：

-1 -2 -1
 0  0  0
 1  3  0

和

-1 0 1
-2 0 2
-1 1 0

我猜这些是拼写错误（？），而您更想拥有这些：

Gx:

-1 -2 -1
 0  0  0
 1  2  1

对于Gy

-1 0 1
-2 0 2
-1 0 1

此过滤过程也称为convolution。事实上，由于内核也是 2d，因此您的运行时为 O(4)。网上有很多资源，比如in this answer

您确实可以通过使用convolution 的概念来提高理论运行时间。例如，如果使用 FFT，运行时间可以降低到 O(n^2*log^2(n))。

但是，使用scipy - convolve 或opencv - filter2D 的过滤方法可以获得更多的性能提升。它们将有一个非常好的运行时，而且可能更重要的是，它们是用 C 实现的，并且不会像使用 python 循环时那样显着减慢。

【讨论】：