提高從sRGB到Lab色彩轉換的速度

Question

我需要將sRGB的高分辨率正射馬賽克照片轉換爲Lab色彩空間。我嘗試過使用基本R功能convertColor()，但我從未完成過至少一次轉換（圖像超過10公頃，5釐米像素分辨率，〜50.0000.0000像素）。

我試過用patchPlot包，它有更快的計算。但是，考慮到我的圖像的大小，我正在尋找一種更好的方式來做到這一點。

是否有改進此計算的包/函數/方法？

示例測試與convertColor和patchPlot::RGB2Lab：

library(raster) 
library(patchPlot) 
library(microbenchmark) 

r <- stack(system.file("external/rlogo.grd", package="raster")) 

microbenchmark(baseR = convertColor(color = values(r), from = 'sRGB', to = 'Lab'), 
       patchPlot = RGB2Lab(values(r))) 
## Unit: milliseconds 
##  expr  min  lq  mean median  uq  max neval cld 
##  baseR 261.702873 282.60345 316.76008 310.31006 327.05536 550.07653 100 b 
## patchPlot 8.335807 9.58279 11.53369 10.11684 11.69073 46.78427 100 a 

Answer 1

這遠非完美的解決方案，但我們可以嘗試改善它。可以玩的東西是nMatrix（將多少個矩陣分成原始RGB矩陣）。

library(microbenchmark) 
library(parallel) 
library(patchPlot) 
library(raster) 

# How many matrices we want to have 
nMatrix <- 4 

# Load raster 
r <- stack(system.file("external/rlogo.grd", package = "raster")) 
# Extract value matrix 
rValues <- values(r) 
n <- nrow(rValues) 

# Groups to split rValues into nMatrix parts 
foo <- rep(1:nMatrix, each = ceiling(n/nMatrix)) 
# If group vector exceeds number of rows in matrix then trim it 
if (length(foo) > n) { 
    foo <- foo[1:n] 
} 
# Splitted matrices 
rValuesSplit <- lapply(split(rValues, foo), matrix, ncol = 3) 

microbenchmark(do.call(rbind,mclapply(rValuesSplit, RGB2Lab, mc.cores = 1)))