向量化迭代过程

Question

我已经在python中编写了下面的代码;它需要一个图像，并基本上将其从极坐标转换为笛卡尔坐标;效果是关于某一点的图像是“展开”的。

def unravel(img, origin): 
    max_radius = min(origin) 

    out = np.zeros((max_radius,720,3), np.uint8) 

    for phi in range(0,720): 
    for r in range(0, max_radius): 
     target = cmath.rect(r,math.radians(phi/2)) 
     out[(r,phi)] = img[(max_radius + target.real, max_radius+target.imag)] 
    return out 

这个算法真的很慢;我真的需要这个来操作实况视频。理想情况下，我希望能够对此进行“矩阵化”，以便使用C而不是Python循环执行底层计算。我这样做并不是特别有经验。最好的方法是什么？

Answer 1

一个可能的方法是事先创建一个组适当的索引，并使用numpy的形象魔法转换：

import numpy as np 

img = np.random.rand(140,100) # my sample image 

img_n,img_m = img.shape # dimensions of image 
p_n, p_m = int(np.ceil(np.linalg.norm(img.shape))), 360*2 # dimensions for out array 
cc = [img_n/2, img_m/2] # origin for polar coordinates 

# Generate sets of indexes of the polar array (do this only once): 
X,Y = np.meshgrid(np.arange(img_m), np.arange(img_n)) 
Z = (X - cc[0]) + 1j*(Y-cc[1]) # create complex array of image coordinates 
r,phi = np.abs(Z), np.angle(Z) + np.pi 
rc = np.array(np.rint(r), dtype=int) # radial indexes 
phic = np.array(np.rint(phi*(p_m-1)/(2*np.pi)), dtype=int) # angular indexes 

# Do the the conversion: 
out = np.zeros((p_n, p_m)) 
out[rc, phic] = img # utilize numpy's index magic 

对于视频来说做这样的事情似乎对我来说并不常见。如果您想要做特征提取等操作，请注意，还有其他技术，例如Hough transform。

Answer 2

这是一个很高的级别，但如果你想能够通过矩阵转换来流式传输视频，你将不得不弄脏手。这不是你现在采取的合理做法。

可能最方便的方法是使用GStreamer自定义插件。有python bindings和一些useful tutorials开始使用管道衬里。您可能想要从geometrictransform插件中大量借用（或者它们可能已经按照您的要求做了什么）。

您也可以尝试扩大你的问题，并添加标签的GStreamer等