比较数组时为什么"in1d"比"a == b"慢得多

Question

我需要能够比较两个图像并提取任何独特的像素来创建第三个图像.为此,我做了以下事情:

import cv2
import numpy as np

img = cv2.imread("old.jpg")
img2 = cv2.imread("new.jpg")

image2 = cv2.cvtColor(img2, cv2.COLOR_RGB2RGBA)

for (x,y,z), value in np.ndenumerate(img):
    dif = img[x,y,0] == img2[x,y,0] #only checking one color for speed
    diff = str(dif)
    if "True" in diff:
        image2[x,y,3] = 0
cv2.imwrite("result.png", image2)        

这个效果相当不错,但640 x 480的图片花了大约10秒钟,我希望能让它接近大约一半的时间.所以我改变了这一行:

dif = img[x,y,0] == img2[x,y,0]

至

dif = np.in1d(img[x,y,0], img2[x,y,0])

结果是相同的,但现在大约需要3分钟,而不是加快速度.我完全失去了原因.

我意识到迭代大型数组中的元素在python中会很费时但是为什么in1d这么慢？

(作为旁注,我只会使用" 调色板方法 ",但由于我对numpy数组的了解有限,我无法看到为此目的实现它的方法.)

Answer 1

np.in1d在最坏的情况下,检查其第一个参数的每个元素对其第二个元素的每个元素.对于每个元素i,j在img它检查是否有一个元素k,l在img2具有相同值.这意味着对于您的640x480图像,您最终可以进行(640x480)^2比较.

在另一方面,==只检查的elementwise,它会检查是否元素i,j的img就是等于元素i,j的img2.它总是会有640x480比较.

np.in1d如果您有不同尺寸的图像,==它将起作用,仅适用于相同尺寸的图像.