用 skimage 变形太慢

Question

（有机会在这里不发布示例，但我认为这个问题足够笼统，没有必要。）

我正在使用skimage.transform.warp 扭曲一个 200x2000 的图像，给定使用skimage.transform.PiecewiseAffineTransform 计算的 500 个源和目标控制点。当我在单个图像上运行它时，大约需要 3 秒。根据每个人的经验，这是否是该计算的合理运行时间？

我问的原因是我可能有数百个相同尺寸的图像，我想对其应用相同的逆变换，但这会花费很长时间。如果我使用 Python 的 multiprocessing 模块，计算会挂起并且永远不会完成。

我想做的是在单个图像上运行warp，然后在给定输入图像中所有 400000 个像素的值的情况下计算一个多项式，该多项式定义扭曲图像中每个像素的值。数学上：

f'(x,y) = a0_0*f(0,0) + a0_1*f(0,1) + ... + a200_1999*f(200,1999) + a200_2000*f(200,2000)

有没有人建议我如何去做这个或类似的事情或更快地实施一些事情？

谢谢！

Answer 1

当我不得不校正来自光谱相机的一些图像时，我遇到了类似的问题。我最终使用了sp.ndimage.map_coordinates。您必须构建一个将源点坐标转换为目标坐标的函数（以下示例中的dummy 函数）。我从问题中了解到，对于一堆图像，这种转换是相同的，并且您已经拥有此功能。

然后您生成一个完整的坐标网格，map_coordinates 将通过样条插值将您的原始图像映射到这些新坐标上。

from scipy.ndimage import map_coordinates

# stack of 10 images
imgs=np.random.normal(size=[10,200,2000])
x, y = np.arange(imgs.shape[1]), np.arange(imgs.shape[2])
ini_coord=np.meshgrid(x, y)

# dummy function transforms source points into destination points
def dummy(ini_coord):
    return [0.9*x.T for x in ini_coord]
out_coord=dummy(ini_coord)

import time
tt=time.clock()
out_img=np.zeros(imgs.shape)
for i, img in enumerate(imgs):   
    out_img[i]=map_coordinates(img, out_coord, mode='nearest')

print('{:3f} s'.format(time.clock()-tt))

这运行时间不到 1 秒。在我的电脑上