Acelerando la interpolación lineal de muchas ubicaciones de píxeles en NumPy

Question

He tratado de replicar el cuello de botella principal en uno de mis programas.

Quiero obtener los valores de linearly (or rather bilinearly) interpolated de varios valores de píxel no enteros simultáneamente. Es no el caso en que cada coordenada de píxel se perturba de la misma manera. A continuación se muestra un guión completo/mínimo junto con comentarios que demuestran el problema. ¿Cómo puedo acelerar el cálculo de result?

import numpy as np 
import time 

im = np.random.rand(640,480,3) # my "image" 
xx, yy = np.meshgrid(np.arange(im.shape[1]), np.arange(im.shape[0])) 
print "Check these are the right indices:",np.sum(im - im[yy,xx,:]) 

# perturb the indices slightly 
# I want to calculate the interpolated 
# values of "im" at these locations 
xx = xx + np.random.normal(size=im.shape[:2]) 
yy = yy + np.random.normal(size=im.shape[:2]) 

# integer value/pixel locations 
x_0 = np.int_(np.modf(xx)[1]) 
y_0 = np.int_(np.modf(yy)[1]) 
x_1, y_1 = x_0 + 1, y_0 + 1 

# the real-valued offsets/coefficients pixels 
a = np.modf(xx)[0][:,:,np.newaxis] 
b = np.modf(yy)[0][:,:,np.newaxis] 

# make sure we don't go out of bounds at edge pixels 
np.clip(x_0,0,im.shape[1]-1,out=x_0) 
np.clip(x_1,0,im.shape[1]-1,out=x_1) 
np.clip(y_0,0,im.shape[0]-1,out=y_0) 
np.clip(y_1,0,im.shape[0]-1,out=y_1) 

# now perform linear interpolation: THIS IS THE BOTTLENECK! 
tic = time.time() 
result = ((1-a) * (1-b) * im[y_0, x_0, :] + 
      a * (1-b) * im[y_1, x_0, :] + 
      (1-a) * b * im[y_0, x_1, :] + 
      a * b * im[y_1, x_1, :]) 
toc = time.time() 

print "interpolation time:",toc-tic 

Answer 1

Gracias a @JoeKington por la sugerencia. Esta es la mejor que se me ocurre con el uso de scipy.ndimage.map_coordinates

# rest as before 
from scipy import ndimage 
tic = time.time() 
new_result = np.zeros(im.shape) 
coords = np.array([yy,xx,np.zeros(im.shape[:2])]) 
for d in range(im.shape[2]): 
    new_result[:,:,d] = ndimage.map_coordinates(im,coords,order=1) 
    coords[2] += 1 
toc = time.time() 
print "interpolation time:",toc-tic 

Actualización: Añadido los ajustes sugeridos en los comentarios y trataron de una o dos otras cosas. Esta es la versión más rápida:

tic = time.time() 
new_result = np.zeros(im.shape) 
coords = np.array([yy,xx]) 
for d in range(im.shape[2]): 
    ndimage.map_coordinates(im[:,:,d], 
          coords,order=1, 
          prefilter=False, 
          output=new_result[:,:,d]) 
toc = time.time() 

print "interpolation time:",toc-tic 

Ejemplo tiempo de ejecución:

original version: 0.463063955307 
    better version: 0.204537153244 
    best version: 0.121845006943