Pythonのバイナリマスクから輪郭マスクを高速に検索する方法

Question

バイナリマスクのエッジを見つけることを含むリアルタイムアプリケーションを作成したい。可能であれば、GPUなしで何か速いものが必要です。画像あたり0.0005秒以下で、サイズ（1000,1000）でうまくいきます。サイズ（1000,1000）のバイナリイメージの次の例を使用します。

（コードを複製するように:)

import numpy as np 
im=np.zeros((1000,1000),dtype=np.uint8) 
im[400:600,400:600]=255 

Image

を高速に物事を行うための最初の論理的な方法は、OpenCVのライブラリを使用していた。予想通り

import cv2 
timeit.timeit(lambda:cv2.Laplacian(im,cv2.CV_8U),number=100)/100 
0.0011617112159729003 

がもたらしました： laplacian

私はこの方法が非常に時間がかかることがわかった。この後、私はfindContoursを試しました：

def usingcontours(im): 
    points=np.transpose(cv2.findContours(im,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)[1][0]) 
    tmp=np.zeros_like(im) 
    tmp[tuple(points)]=255 
    return tmp 
timeit.timeit(lambda:usingcontours(im),number=100)/100 
0.0009052801132202148 

これは上記と同じ結果をもたらしました。 これは優れていますが、それでも私が望むほど良くはありません。私はそれが悪いことを知っていたが、私は、最後の手段として、勾配を用いてラプラシアン近似する、numpyのの使用に移っ：

def usinggradient(im): 
    tmp=np.gradient(im) 
    return ((tmp[0]+tmp[1])>0).astype(np.uint8) 
timeit.timeit(lambda:usinggradient(im),number=100)/100 
0.018681130409240722 

だから、誰に私は私のアルゴリズムを加速させることができる方法上の任意の更なるアイデアを持って？私はこのアルゴリズムをバイナリイメージに使用したいと考えているので、より良い実装が必要であると思います。

Answer 1

スピードアップのために、最も速いものをcv2.findContoursで選択しました。その中で、私たちはそうのように、簡単なslicingと部品をタプルに変換する高価なものをtransposeとを置き換えることができます -

idx = cv2.findContours(im,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)[1][0] 
out = np.zeros_like(im) 
out[idx[:,0,0],idx[:,0,1]] = 255 

ランタイムテスト -

In [114]: # Inputs 
    ...: im=np.zeros((1000,1000),dtype=np.uint8) 
    ...: im[400:600,400:600]=255 
    ...: idx = cv2.findContours(im,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)[1][0] 
    ...: 

In [115]: def original_app(im, idx): 
    ...:  points=np.transpose(idx) 
    ...:  tmp=np.zeros_like(im) 
    ...:  tmp[tuple(points)]=255 
    ...:  return tmp 
    ...: 
    ...: def proposed_app(im, idx): 
    ...:  out = np.zeros_like(im) 
    ...:  out[idx[:,0,0],idx[:,0,1]] = 255 
    ...:  return out 
    ...: 

In [120]: %timeit original_app(im, idx) 
10000 loops, best of 3: 108 µs per loop 

In [121]: %timeit proposed_app(im, idx) 
10000 loops, best of 3: 101 µs per loop 

In [122]: %timeit cv2.findContours(im,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE) 
1000 loops, best of 3: 1.55 ms per loop 

だから、そこにいくつかのわずかな改善が提案された方法であります、しかし、それは輪郭発見そのものと比較して無視できるようです。

私はを調べ、クイックテストを実行して、OpenCVバージョンよりもはるかに遅いようです。