如何将generator对象转为numpy数组？优化图像像素随机洗牌

首先得说清楚，你的rand_shuffle_faster有两个问题：

1. 用了yield，直接把函数变成生成器了，而且yield后面的代码（重塑形状和return）根本跑不到——因为yield会暂停函数，直接返回生成器对象。
2. 逻辑和原函数完全不一样：原函数是打乱所有像素的位置（把(N,3)的数组行随机重排），但你改写的函数是打乱每个像素的RGB通道顺序（对列做随机排列），这俩是完全不同的操作。

一、先把逻辑改回原需求（同时提速） #

如果你的目标还是和原函数一样打乱像素位置，正确的优化写法根本不需要yield，直接用随机索引重排就行，效率还能保持：

import numpy as np
import time

def rand_shuffle_faster(img):
    # 转成(N,3)的形状，-1表示自动计算维度
    rndImg = img.reshape(-1, img.shape[2])
    # 生成随机索引，用索引重排行（比shuffle更灵活）
    idx = np.random.permutation(rndImg.shape[0])
    rndImg = rndImg[idx]
    # 转回到原图像形状
    return rndImg.reshape(img.shape)

这个函数直接返回numpy数组，速度和原函数差不多，甚至可能更快——因为np.random.shuffle是原地修改数组，而索引重排的方式在某些场景下开销更低。

二、硬要处理现有生成器的话（不推荐，因为逻辑不对） #

如果只是想把你现在这个生成器转成numpy数组，用next()取出生成器里的元素就行：

# 假设img是你的输入图像数组
gen = rand_shuffle_faster(img)
# 取出生成器里的数组
result = next(gen)
# 别忘了手动转回到原图像形状，因为你原函数里yield之后的reshape根本没执行
result = result.reshape(img.shape)

但再次提醒：这个结果和原函数输出完全不同，原函数是把像素位置打乱，这个是把每个像素的RGB通道顺序打乱，别搞混了。

三、再提个提速小技巧 #

如果还想更快，可以用numpy新的随机数接口np.random.Generator，比旧接口速度快不少：

def rand_shuffle_faster(img):
    # 初始化新的随机数生成器
    rng = np.random.default_rng()
    rndImg = img.reshape(-1, img.shape[2])
    idx = rng.permutation(rndImg.shape[0])
    return rndImg[idx].reshape(img.shape)

内容的提问来源于stack exchange，提问作者zzzw3838