PythonでのOpenCV画像のピクセル単位の処理

Question

概要

PythonでOpenCVを使って読み込んだ画像に対して、
ピクセル単位で色を操作する場合の効率的（高速）な実装方法を知りたいです。

詳細

PythonでOpenCVで読み込んだ画像についてピクセル単位で色操作をしたいのですが、
現在私のコードは以下のようになっています。

ただ、Pythonでforループを使うのはとても遅いという理解をしていて（実際に数千枚の画像ファイルに対してバッチ処理すると激しく遅いです）
forループを使わずに書く実装方法を知りたいです。

import numpy as np
import cv2

def convert_example(colors):
    # colors = (Blue, Green, Red)
    # この処理はただの例です。　実際にはもっと複雑な処理を想定してください。
    return (colors[2], colors[0], max(0, int(colors[1]) - int(colors[2])))
    
image = cv2.imread('hoge.jpg')
work  = np.empty_like(image)

rows, cols, _ = img.shape

# forループだと多数のファイルに対してバッチ処理をすると遅い!?
for i in range(rows):
    for j in range(cols):
        work[i, j] = convert_example(image[i, j])
        
cv2.imwrite('output.bmp', work)

想定環境

• Anaconda & Jupyter Notebookで画像解析

よろしくお願い致します。

Comments

[Q71]

OpenCVで操作できないような操作をしたい、ということでしょうか？

[sin_250]

ありがとうございます。

Pythonの場合、forループは遅い一方、リスト内包表記やNumpyの行列計算をうまく使った書き方をすると速くなるというのがあると思います。
画像のデータに対してforループを使わずに画素毎の処理を書きたい、という質問でございます。

ただopencv-pythonのほうはあまり詳しくないのですが、同じようなことが実現できるOpenCVのAPIが
もしあればそれをご教示頂けると助かります。

よろしくお願い致します。

[meg_]

手動でやるなら質問者さんもおっしゃっているように、Numpyの行列計算を使うのが良いと思います。
Numpy同士の演算やNumpyの関数を使用すれば様々なことが実装可能だと思います。

OpenCVの関数については実現したいことをその都度調べるのが良いかと思います。

[Q71]

Cythonは、変数の型が確定しているなら速くなります。Pythonで使うOpenCVは、C/C++で書かれたライブラリのPython用インターフェイスなので、速いです。Pythonはインタープリタなので、速さに限界があります。この様な事から、OpenCVでできないのかと尋ねました。

[sin_250]

コメントありがとうございます。
OpenCVをPythonで使うことについて経験不足のため、OpenCVでできることに理解が浅いかもしれないのですが、
一般的な画像の縮小・拡大・回転・ネガ反転のような操作「以上」のことをしようとしていました。

簡単に言うと、BMP画像の各画素におけるRGBの３バイトの中にとある情報を埋め込み、
それをPythonで取り出す（デコード）するような操作です。
たとえば、各画素のR(Red)1byte領域の2bit目の値を取り出したい、などです。

もしOpenCVで各画素に対する汎用的なforEach的APIがあればそれが求めるものなのですが、
ググった限りでは見つけられず、自己解決方法のとおり、普通のPythonのforループをnumbaで高速化しました。

Answer 1

どうも色々調べた限り、実装の簡便さと実行スピードのバランスを取ると、
Numbaで高速化するのが最もEasyという結論に至りました。

Numpyの行列計算をうまく使うと（？）出来そうなのですが、行列計算の実装がぱっと頭に思い浮かばず
（MATLAB由来の行列計算を多用する実装の経験がなく、そういう実装に慣れていません）
JITコンパイラでforループを腕力で高速化してしまえ、となりました。

Cythonも試してみましたが、安易に使うならNumbaの方が簡単そうです。

import numpy as np
import numba as nb
import cv2

@nb.njit
def convert(color_base, color_target):
    color_target[0] = color_base[1]
    color_target[1] = color_base[2]
    color_target[2] = color_base[0]

@nb.njit
def process_numba(base, target):
    rows, cols, _ = base.shape
    for i in range(rows):
        for j in range(cols):
            convert(base[i, j], target[i, j])

image = cv2.imread('hoge.jpg')
work  = np.empty_like(image)

process_numba(image, work)

cv2.imwrite('foo.bmp', work)