Использование NumPy для быстрой интерполяции

Question

С учетом маскированного NumPy массива размерности (frames, points, 2), представляющего видео с frames кадрами, где в каждом кадре отслеживаются points (x, y) точек.

Я хотел бы интерполировать это видео от frames кадров до любого количества кадров, очень быстрое, надеюсь, со сплайном cubi c, но любая другая непрерывная интерполяция тоже будет работать нормально.

---

Наивное решение, которое я реализовал разбивает массив на 2 массива измерений (frames, points) для массива X и массива Y. Затем я перемещаю массив в (points, frames). Для каждой строки (одной точки в течение определенного времени) я сопоставляю ее с индексом и значением, поэтому массив [5, 6, --, 7] становится:

[{"x": 0, "y": 5}, {"x": 1, "y": 6}, {"x": 3, "y": 7}]

Я передаю это scipy.interp1d и запустить мой новый массив, например, [0, 0.5, 1, 1.5, 2, 2.5, 3], и получить новый массив x, y, который я затем преобразую обратно в NumPy.

. Этот процесс удаляет маски для прерывистых кадров (что нормально со мной).

Текущая производительность: небольшой массив формы (9 frames, 140 points, 2) до (24 frames, 140 points, 2)

• Кубический c интерполяция 0,115 секунд
• Линейная интерполяция 0,112 секунд

---

Примечание!

Это замаскированный массив, например [5, 6, --, 7]. поэтому важно включить маски в интерполяцию, чтобы не иметь нулевых значений (массив данных выглядит как [5, 6, 0, 7]!

Вот пример игрушки с данными о желаемом и нежелательном поведении:

import numpy as np
import numpy.ma as ma
from scipy.interpolate import interp1d

points = np.array([1, 2, 3, 4, 0, 6])
mask = [0, 0, 0, 0, 1, 0]
points = ma.array(points, mask=mask)
print(points)  # [1 2 3 4 -- 6]

lin = np.linspace(0, 1, 6)

# Undesired behavior
f = interp1d(lin, points, axis=0, kind='cubic')
print(f(lin))  # [1  2 3 4 -8.8817842e-16 6]

# Desired behavior
compressed_lin = [0, 0.2, 0.4, 0.6, 1]
compressed_points = np.array([1,2,3,4,6])
f = interp1d(compressed_lin, compressed_points, axis=0, kind='cubic')
print(f(lin)) # [1 2 3 4 5 6]

Answer 1

Я не уверен, что вы используете scipy.interpolate.interp1d, как я, но мой компьютер показывает примерно 662 µs:

np.random.seed(1)
points = np.random.rand(9,140,2)

f = interp1d(np.linspace(0,1,9), points, axis=0, kind='cubic')
f(np.linspace(0,1,24))

Производительность (timeit -n 100):

662 µs ± 111 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 2

Если вам это нужно быстро, 1) избегайте замаскированных массивов, 2) избегайте interp1d. Если CubicSpline недостаточно быстр, вы можете закодировать свою собственную интерполяцию cubi c, учитывая, что ваши точки равноудалены.

EDIT: если вы действительно не можете избежать маскированных массивов, остерегайтесь ничего в scipy.interpolate numpy .ma-осведомлен, так что вам нужно сделать DIY. В качестве альтернативы, рассмотрите возможность ввода данных для заполнения маскированных значений.