有没有办法用布尔逻辑在 Python 中做 einsum 来优化它？

问题描述

好的，所以基本上我正在研究某种图像混合的东西，我有一个函数可以根据某些指定的权重混合给定数组中的每个图像，如下面的代码所示：

#weighting Function
def weight_sym(n):
    n = int(n/2)
    r = range(n,-n,-1)
    val = [math.exp(-(2*x/n)**2) for x in r]
    val = val/np.sum(val)
    return val

#Blending Function
def blend(imgs):
    num = len(imgs)
    Weight = weight_sym(num)
    P = np.einsum("ijkl,i->jkl",imgs,Weight)
    
    return P.astype(np.uint8)

注：imgs是以像素数组的形式保存多张图片的数组，形状为(n,1080,1920,3)，其中n为图片数量，1080 and 1920为实际图像尺寸，3 是 rgb 值。

好的，但不幸的是，对于大量图像，代码似乎真的很慢，而且因为所有图像的 75% 只是黑色背景，我想知道，我可以只做 einsum 计算，如果像素值实际上在每个图像中至少改变一次。 （也许使用 np.allclose() 并使用布尔输出 (?)）

我的意思是我想通过忽略在每个图像中根本不会改变值的像素来减少所需的计算量。所以我的问题是，真的有可能做到这一点并获得更好的表现吗？如果是这样，你能举个例子吗？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）