在 Numpy 中逐像素迭代两个图像（随机条件）

Question

import randomdef sp_noise(image,prob):    '''    Add salt and pepper noise to image    prob: Probability of the noise    '''    output = np.zeros(image.shape,np.uint8)    thres = 1 - prob     for i in range(image.shape[0]):        for j in range(image.shape[1]):            rdn = random.random()            if rdn < prob:                output[i][j] = 0            elif rdn > thres:                output[i][j] = 255            else:                output[i][j] = image[i][j]    return output这就是我想要达到的目标。我知道这个函数不使用矢量化，但我不知道在这种情况下如何摆脱循环。如果有像素值的条件，那将是微不足道的。但在这种情况下，索引或像素值没有条件，我只需要保留像素值，或者根据随机变量的值将其设置为 0 或 1。我如何矢量化它？

Answer 1

您可以np.random.random使用附加size参数调用以获取整个随机浮点数组。然后，使用布尔数组索引来访问与条件之一匹配的所有像素np.where。

这就是我的解决方案，包括用于图像加载和显示的OpenCV以及一些简单的性能分析：

import cv2

import numpy as np

import time

def sp_noise(image, prob):

    output = np.zeros(image.shape, np.uint8)

    thres = 1 - prob

    for i in range(image.shape[0]):

        for j in range(image.shape[1]):

            rdn = np.random.random()

            if rdn < prob:

                output[i][j] = 0

            elif rdn > thres:

                output[i][j] = 255

            else:

                output[i][j] = image[i][j]

    return output

def sp_noise_vec(image, prob):

    output = image.copy()

    thres = 1 - prob

    rdn = np.random.random(image.shape[:2])

    output[np.where(rdn < prob)] = 0

    output[np.where(rdn > thres)] = 255

    return output

img = cv2.imread('path/to/your/image.png')

tic = time.perf_counter()

out = sp_noise(img, 0.1)

toc = time.perf_counter()

print('Duration loop: ', toc - tic)

tic = time.perf_counter()

out_vec = sp_noise_vec(img, 0.1)

toc = time.perf_counter()

print('Duration vectorized: ', toc - tic)

cv2.imshow('img', img)

cv2.imshow('out', out)

cv2.imshow('out_vec', out_vec)

cv2.waitKey(0)

cv2.destroyAllWindows()

图像输出具有可比性。对于一些400 x 400RGB 图像，我得到以下时间：

Duration loop:        0.21099094100000004

Duration vectorized:  0.004011090000000106

希望有帮助！

----------------------------------------

System information

----------------------------------------

Platform:    Windows-10-10.0.16299-SP0

Python:      3.8.1

NumPy:       1.18.1

OpenCV:      4.1.2

----------------------------------------

Answer 2

不确定这是否会给出完全相同的结果——因为有可能（非常小）你可以用盐击中一个像素，然后再用胡椒再次击中相同的像素——但我尝试了一种不同的方法。它还准确地生成一半盐和一半胡椒，而其他解决方案往往只有在对大量样本进行平均时才会这样做。也许速度和内存节省值得不准确 - YMMV :-)

首先确定有多少像素会受到噪声的影响，称之为N。然后生成 N/2 对 [x,y] 坐标并将输出图像中的相应像素设置为黑色，然后生成另外 N/2 对 [x,y] 坐标并将它们设置为白色。

import numpy as np

def me(image,prob): 

    h, w = image.shape[:2]

    # Number of noise affected pixels

    N = int(w * h * prob)

    # Half salt

    image[np.random.randint(0,h,int(N/2)), np.random.randint(0,w,int(N/2))] = 255

    # Half pepper

    image[np.random.randint(0,h,int(N/2)), np.random.randint(0,w,int(N/2))] = 0 

    return image 

# Make solid grey start image

image = np.full((400,400), 128, dtype=np.uint8)

和p=0.1，p=0.01我得到：

%timeit me(image,0.1)                                                                               

296 µs ± 2.48 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit me(image,0.01)                                                                              

42.2 µs ± 933 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)