如何將矩陣應用於圖像

Question

我已經做了一些搜索，但沒有找到完全相同的問題 - 我找到的解決方案不適用。

我有一個圖像，由形狀的numpy陣列(l1,l2,3) 代表，其中l1，l2是整數，三是因爲RGB。

由於原因，我想改變基礎，這意味着將矩陣P應用於所有RGB向量。請注意，P的形狀爲(3,3)。

我寫這樣的：

def change_base(Image,P): 
    Image_copie=np.zeros(Image.shape) 

    for i in range(Image_copie.shape[0]): 
     for j in range(Image_copie.shape[1]): 
      Image_copie[i,j]=np.dot(P,Image[i,j]) 

    return Image_copie 

它的工作原理，很明顯，但它的醜陋和極其緩慢。

你們有任何解決方案，使用numpy也許嗎？我不使用opencv ..！

謝謝！

Answer 1

您正在減少兩個輸入Image和P上的最後一個軸。所以，你可以使用np.tensordot，像這樣 -

np.tensordot(Image,P,axes=(-1,-1)) 

這也可以被其前後表述爲np.dot一些整形，像這樣 -

Image.reshape(-1,3).dot(P.T).reshape(Image.shape[:2]+(-1,)) 

你也可以使用np.einsum這樣的歸約運算，像這樣 -

np.einsum('ijk,lk->ijl',Image,P) 

出於性能，作爲一個單獨歸約運算，沒有軸對齊要求，dot-based解決方案對於大型陣列來說會更快，但對於體積小巧的陣列，einsum可能會更好。

運行測試

案例＃1：

In [46]: # Inputs 
    ...: Image = np.random.randint(0,255,(256,256,3)) 
    ...: P = np.random.randint(0,255,(3,3)) 
    ...: 

In [47]: %timeit change_base(Image,P) 
    ...: %timeit np.tensordot(Image,P,axes=(-1,-1)) 
    ...: %timeit Image.reshape(-1,3).dot(P.T).reshape(Image.shape[:2]+(-1,)) 
    ...: %timeit np.einsum('ijk,lk->ijl',Image,P) 
    ...: 
1 loops, best of 3: 206 ms per loop 
100 loops, best of 3: 3.28 ms per loop 
100 loops, best of 3: 3.22 ms per loop 
100 loops, best of 3: 3.06 ms per loop 

案例＃2：

In [48]: # Inputs 
    ...: Image = np.random.randint(0,255,(512,512,3)) 
    ...: P = np.random.randint(0,255,(3,3)) 
    ...: 

In [49]: %timeit change_base(Image,P) 
    ...: %timeit np.tensordot(Image,P,axes=(-1,-1)) 
    ...: %timeit Image.reshape(-1,3).dot(P.T).reshape(Image.shape[:2]+(-1,)) 
    ...: %timeit np.einsum('ijk,lk->ijl',Image,P) 
    ...: 
1 loops, best of 3: 845 ms per loop 
100 loops, best of 3: 12.8 ms per loop 
100 loops, best of 3: 12.7 ms per loop 
100 loops, best of 3: 13.4 ms per loop