如何优化自定义RGB通道归一化函数？

问题背景 #

需要实现一个图像RGB通道数组的归一化函数，要求每个通道可接收自定义的最大值参数，现有通用归一化函数无法满足需求。自行实现的函数可正常运行，但处理7张图像耗时943秒，远慢于cv2.normalize()的40秒，需要优化效率。

原实现代码：

# Modified from: https://www.geeksforgeeks.org/how-to-normalize-an-array-in-numpy-in-python/
# Function to normalize array based on a consistent max value for rgb
def normal(arr, imgrMax, imggMax, imgbMax, alpha = 0, beta = 1):
    arr = arr.astype(np.float32)
    norm_arr = np.zeros_like(arr)
    norm_arr_r = []
    norm_arr_g = []
    norm_arr_b = []
    diff = beta - alpha
    diff_arr_r = imgrMax - np.min(arr[:,:, 0])
    for i in arr[:, :, 0]:
        # temp = (((i - min(arr))*diff)/diff_arr) + t_min
        temp = np.divide(np.multiply(i - np.min(arr[:, :, 0]), diff), diff_arr_r) + alpha
        norm_arr_r.append(temp)
    diff_arr_g = imggMax - np.min(arr[:,:, 1])
    for i in arr[:, :, 1]:
        temp = np.divide(np.multiply(i - np.min(arr[:, :, 1]), diff), diff_arr_g) + alpha
        norm_arr_g.append(temp) 
    diff_arr_b = imgbMax - np.min(arr[:,:, 2])
    for i in arr[:, :, 2]:
        temp = np.divide(np.multiply(i - np.min(arr[:, :, 2]), diff), diff_arr_b) + alpha
        norm_arr_b.append(temp) 
    norm_arr[:, :, 0] = norm_arr_r
    norm_arr[:, :, 1] = norm_arr_g
    norm_arr[:, :, 2] = norm_arr_b
    print(norm_arr)
    return norm_arr

优化思路 #

原代码效率低下的核心原因是使用Python显式循环遍历通道行，而numpy的核心优势是向量化运算（底层基于C实现，避免Python循环的额外开销）。此外原代码重复计算各通道最小值，也增加了不必要的计算量。优化方向：

• 一次性计算RGB三个通道的最小值，避免重复调用np.min
• 用numpy向量化广播运算替代循环，批量处理所有元素
• 移除冗余的列表存储，直接在目标数组上操作

优化后的代码 #

import numpy as np

def normalize_rgb(arr, imgrMax, imggMax, imgbMax, alpha=0, beta=1):
    arr = arr.astype(np.float32)
    norm_arr = np.zeros_like(arr)
    
    # 一次性计算三个通道的最小值
    min_r = np.min(arr[..., 0])
    min_g = np.min(arr[..., 1])
    min_b = np.min(arr[..., 2])
    
    diff = beta - alpha
    
    # 向量化处理每个通道，无需循环
    norm_arr[..., 0] = ((arr[..., 0] - min_r) * diff) / (imgrMax - min_r) + alpha
    norm_arr[..., 1] = ((arr[..., 1] - min_g) * diff) / (imggMax - min_g) + alpha
    norm_arr[..., 2] = ((arr[..., 2] - min_b) * diff) / (imgbMax - min_b) + alpha
    
    # 可选：移除打印语句进一步提升速度
    # print(norm_arr)
    return norm_arr

额外优化建议 #

• 增加分母非零判断：若imgrMax/imggMax/imgbMax等于对应通道最小值，需处理除以0的异常
• 移除不必要的print(norm_arr)：打印大数组会额外消耗大量时间
• 若输入图像为uint8类型且最小值固定为0，可简化计算逻辑（但保留通用逻辑更稳妥）

内容的提问来源于stack exchange，提问作者Crayfi