python – 使用REPA优化haskell中的平均图像颜色程序

概述问题 我写了一个Haskell程序,它通过一个文件夹找到文件夹中每个图像的平均颜色.它使用来自hackage的repa-devil包将图像加载到修复阵列中.我通过添加所有红色,蓝色和绿色值然后除以像素数来找到平均值： -- compiled with -O2import qualified Data.Array.Repa as Rimport Data.Array.Repa.IO.DevIL 问题

我写了一个Haskell程序,它通过一个文件夹找到文件夹中每个图像的平均颜色.它使用来自Hackage的repa-devil包将图像加载到修复阵列中.我通过添加所有红色,蓝色和绿色值然后除以像素数来找到平均值：

-- compiled with -O2import qualifIEd Data.Array.Repa as Rimport Data.Array.Repa.IO.DevILimport Control.Monad.Trans (liftIO)import System.Directory (getDirectoryContents)size :: (R.source r e) => R.Array r R.DIM3 e -> (Int,Int)size img = (w,h)    where (R.Z R.:. h R.:. w R.:. 3) = R.extent imgaverageColour :: (R.source r e,Num e,Integral e) => R.Array r R.DIM3 e -> (Int,Int,Int)averageColour img = (r `div` n,g `div` n,b `div` n)    where (w,h)  = size img          n       = w * h          (r,g,b) = f 0 0 0 0 0          f row col r g b            | row >= w  = f 0 (col + 1) r g b            | col >= h  = (r,b)            | otherwise = f (row + 1) col (addCol 0 r) (addCol 1 g) (addCol 2 b)            where addCol x v = v + fromIntegral (img R.! (R.Z R.:. col R.:. row R.:. x))main :: IO ()main = do    files <- fmap (map ("images/olympics_backup/" ++) . filter (`notElem` ["..","."])) $getDirectoryContents "images/olympics_backup"    runIL $do        images <- mapM readImage files        let average = zip (map (\(RGB img) -> averageColour img) images) files        liftIO . print $average

我还使用Python Image library在Python中编写了这个程序.它以相同的方式找到图像的平均值：

import Imagedef get_images(folder):    images = []    for filename in os.Listdir(folder):        images.append(folder + filename)    return imagesdef get_average(filename):    image = Image.open(filename)    pixels = image.load()    r = g = b = 0    for x in xrange(0,image.size[0]):        for y in xrange(0,image.size[1]):            colour = pixels[x,y]            r += colour[0]            g += colour[1]            b += colour[2]    area = image.size[0] * image.size[1]    r /= area    g /= area    b /= area    return [(r,b),filename,image]def get_colours(images):    colours = []    for image in images:        try:            colours.append(get_average(image))        except:            continue    return coloursimgs = get_images('images/olympics_backup/')print get_colours(imgs)

当这两个都在301图像的文件夹上运行时,Haskell版本的性能优于0.2秒(0.87对0.64).这看起来很奇怪,因为Haskell是一种编译语言(通常比解释的语言更快),我听说修复数组具有良好的性能(尽管这可能只是与其他Haskell数据类型相比,如列表).

我尝试了什么

我做的第一件事是注意我使用了显式递归,因此我决定使用折叠来替换它,这也意味着我不再需要检查我是否超出了数组的范围：

(r,b) = foldl' f (0,0) [(x,y) | x <- [0..w-1],y <- [0..h-1]]f (r,b) (row,col) = (addCol 0 r,addCol 1 g,addCol 2 b)        where addCol x v = v + fromIntegral (img R.! (R.Z R.:. col R.:. row R.:. x))

这使得它运行得更慢(1.2秒),所以我决定分析代码,看看大部分时间花在哪里(如果我创造了一个明显的瓶颈或者修复 – 魔鬼包只是很慢).该配置文件告诉我,大约58％的时间花在了f函数上,大约35％的时间花在了addCol上.

不幸的是,我想不出任何方法可以让它更快地运行.该函数只是一个数组索引和一个附加项 – 与python代码相同.有没有办法提高此代码的性能,或者Python Image library是否提供更高的性能？

解决方法 虽然以下代码是Hackish,但速度非常快.

>在0.03毫秒(16个抽头/像素)中获得75×75图像=>约. 300张图像10-20毫秒
> 1x的512×512(Lenna)(13.5 tics / pixel)
12毫秒> 2560×1600(9.2抽头/像素)

yarr专门用于解决像你这样的任务,遗憾的是有些问题(在代码注释中指出)不允许同时使代码真正简洁和快速.

一个像素例程是3个内存读取3个添加,所以我大致期望3个tics /像素作为此任务的限制.

您还可以使用parallel-io包中的parallel轻松并行计算.

{-# LANGUAGE FlexibleContexts,TypeFamilIEs #-}import System.Environmentimport Data.Yarrimport Data.Yarr.IO.Imageimport Data.Yarr.Walkimport Data.Yarr.Utils.FixedVector as Vimport Data.Yarr.Shape as Smain :: IO ()main = do    [file] <- getArgs    print =<< getAverage filegetAverage :: filePath -> IO (Int,Int)getAverage file = do    -- Meaningful choice,for homogenIoUs images,-- in preference to readRGB(Vectors).    -- readRGB make the case of representation -> polymorfic access ->    -- poor performance     (RGB imageArr) <- readImage file    -- let imageArr = readRGBVectors file    let ext = extent imageArr    avs <- averageColour imageArr    return $V.inspect avs (Fun (,))averageColour    :: (Vector v Int,Dim v ~ N3,Integral e,UVecSource r slr l Dim2 v e,PreferreDWorkIndex l Dim2 i)    => UArray r l Dim2 (v e) -> IO (VecList N3 Int){-# INliNE averageColour #-}averageColour image = fmap (V.map (`div` (w * h))) compSums  where -- `walk (reduce ... (V.zipwith (+))) (return V.zero) image`        -- would be more idiomatic and theoretically faster,-- but had problems with perf too :(        compSums = walkSlicesSeparate sum (return 0) image        -- would better to `mapElems fromIntegral imageArr` before counting,-- but faced some performance problems and I have no time to dig them        {-# INliNE sum #-}        sum = reduceL sumFold (\x y -> x + (fromIntegral y))        sumFold = S.unrolledFoldl n8 notouch        (w,h) = extent image

编

ghc-7.6.1 --make -Odph -rtsopts -threaded -fno-liberate-case -funBox-strict-fIElds -funfolding-keeness-factor1000 -fllvm -optlo-O3 -fexpose-all-unfoldings -fsimpl-tick-factor=500 -o avc average-color.hs

总结

以上是内存溢出为你收集整理的python – 使用REPA优化haskell中的平均图像颜色程序全部内容，希望文章能够帮你解决python – 使用REPA优化haskell中的平均图像颜色程序所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。