Python多进程计算图像分形维数append()无关键字参数错误咨询

一、报错原因与修复方案 #

报错原因 #

• 列表的append()方法仅支持接收1个位置参数，你直接向append()传入target、args关键字参数，语法完全错误。你实际是要先实例化multiprocessing.Process对象，再把对象加入列表。
• 额外关联错误：
  1. 导入错误：from multiprocessing import process导入的是小写的process模块，正确应该导入大写的Process类。
  2. args参数要求传入元组，你直接传入数组会被解析为多个参数，调用函数时报参数数量错误。
  3. 进程启动代码、结果统计代码放在if __name__ == '__main__'外部，Windows系统下多进程会重复导入模块，导致逻辑错误。
  4. 多进程地址空间独立，无法通过全局变量fracd收集子进程的返回结果，必须用进程间通信机制获取返回值。

修复代码 #

推荐使用更简单的Pool进程池实现，自动管理进程生命周期和结果收集：

from multiprocessing import Pool
import numpy as np
import imageio
import warnings
from PIL import Image
warnings.simplefilter('ignore', Image.DecompressionBombWarning)
Image.MAX_IMAGE_PIXELS = None

def fractal_dimension(Z, threshold=0.8):
    """Returns box-counting dimension of a 2D array.
    Args:
        Z: 2D array to be analysed.
        threshold: Cutoff for converting values in Z to 1 and 0.
    Returns:
        The estimated box counting dimension.
    """
    assert(len(Z.shape) == 2)
    def boxcount(Z, k):
        S = np.add.reduceat(
            np.add.reduceat(Z, np.arange(0, Z.shape[0], k), axis=0),
                               np.arange(0, Z.shape[1], k), axis=1)
        return len(np.where((S > 0) & (S < k*k))[0])
    Z = (Z < threshold)
    p = min(Z.shape)
    n = 2**np.floor(np.log(p)/np.log(2))
    n = int(np.log(n)/np.log(2))
    sizes = 2**np.arange(n, 1, -1)
    counts = []
    for size in sizes:
        counts.append(boxcount(Z, size))
    coeffs = np.polyfit(np.log(sizes), np.log(counts), 1)
    return -coeffs[0]

if __name__ =='__main__':
    I = imageio.imread(r"C:\Users\qkrgn\PycharmProjects\pythonProject\Van_Gogh_-_Starry_Night_-_Google_Art_Project.jpg", as_gray=True)/255.0
    print("整图直接计算的分形维数：", fractal_dimension(I))
    
    # 正确切分9个连续图像块（原代码跳步取像素是下采样操作，不是切分块）
    h, w = I.shape
    h_step, w_step = h//3, w//3
    subsets = [
        I[:h_step, :w_step], I[:h_step, w_step:2*w_step], I[:h_step, 2*w_step:],
        I[h_step:2*h_step, :w_step], I[h_step:2*h_step, w_step:2*w_step], I[h_step:2*h_step, 2*w_step:],
        I[2*h_step:, :w_step], I[2*h_step:, w_step:2*w_step], I[2*h_step:, 2*w_step:]
    ]
    
    # 批量计算9个块的分形维数
    with Pool(9) as pool:
        fracd = pool.map(fractal_dimension, subsets)
    
    print("各块分形维数：", fracd)
    print("各块平均结果：", sum(fracd)/len(fracd))

二、分块计算合并方案的合理性 #

该方案无法得到正确的整图分形维数，原因如下：

• 盒计数分形维数是全局统计特征，依赖覆盖全图的所有尺度的盒子统计。拆分后每块的尺寸远小于原图，会丢失大尺度的纹理统计信息，平均结果和整图直接计算的结果存在明显偏差。
• 如果你的需求是统计图像不同区域的分形维数分布，那该方案是可行的，但要注意：原代码用I[::3, ::3]的跳步方式是对原图做3倍下采样，不是切分原图像的连续块，要得到区域块需要按高度和宽度三等分切分，参考修复代码中的切分逻辑。

内容的提问来源于stack exchange，提问作者MadLabMatLab