Python 有没有更快的方法将(BGR)OpenCV 图像转换为 CMYK

您应该做几件事:

• 动摇数学
• 尽可能使用整数数学
• 超越NumPy所能做的优化

Shaking the math

vt.给出

RGB' = RGB / 255
K = 1 - max(RGB')
C = (1-K - R') / (1-K)
M = (1-K - G') / (1-K)
Y = (1-K - B') / (1-K)

你可以看看你能做些什么.

RGB' = RGB / 255
J = max(RGB')
K = 1 - J
C = (J - R') / J
M = (J - G') / J
Y = (J - B') / J

Integer math

对于这些计算，不要将其正常化为[0,1].max()可以在整数上完成.这种差异也可能存在.K可以用整数数学来计算entirely.

J = max(RGB)
K = 255 - J
C = 255 * (J - R) / J
M = 255 * (J - G) / J
Y = 255 * (J - B) / J

Numba

import numba

@numba.njit(parallel=True, error_model="numpy", fastmath=True)
def bgr2cmyk_v4(bgr_img):
    bgr_img = np.ascontiguousarray(bgr_img)
    (height, width) = bgr_img.shape[:2]
    CMYK = np.empty((height, width, 4), dtype=np.uint8)
    for i in numba.prange(height):
        for j in range(width):
            B,G,R = bgr_img[i,j] 
            J = max(R, G, B)
            K = np.uint8(255 - J)
            C = np.uint8(255 * (J - R) / J)
            M = np.uint8(255 * (J - G) / J)
            Y = np.uint8(255 * (J - B) / J)
            CMYK[i,j] = (C,M,Y,K)
    return CMYK

Numba将对该代码进行优化，而不仅仅是使用NumPy库 routine .它还将执行指定的并行化. Select numpy错误模型并允许fastmath将导致被零除，从而不会引发异常或警告，但也会使计算速度更快.

在我的电脑上，这比您在问题中显示的代码(90ms->；2 ms)执行了大约40x faster倍.

What else?

我不确定Numba是否在其中保留了任何浮点运算.从技术上讲，按照Python语义，除法是一个浮点数除法，但是用//(整数除法)代替它会使除法速度变慢.

我认为Numba/LLVM在这里没有应用SIMD.一些调查显示，Loop Vectorizer不喜欢它被要求考虑的任何实例.

一个OpenCL的内核可能会更快.OpenCL可以在CPU上运行.

Numba can also use CUDA.