图像处理中，有时需要对图像的像素进行随机打乱，例如在数据增强或加密等场景中。NumPy 提供了多种实现随机打乱的方法，但不同的方法在性能上存在差异。本文将介绍如何使用 NumPy 高效地打乱图像像素，并将其转换为 NumPy 数组。
性能优化：np.random.permutation vs np.random.shuffle
通常，直接使用 np.random.shuffle 函数打乱 NumPy 数组是一种简单直接的方法。然而，对于大型图像，这种方法可能效率较低。一种更高效的替代方案是使用 np.random.permutation 函数生成一个随机索引数组，然后利用该索引数组重新排列图像像素。
以下代码展示了两种方法的对比：
import numpy as np
import time
def randomize_image_shuffle(img):
"""使用 np.random.shuffle 打乱图像像素."""
rndImg = np.reshape(img, (-1, img.shape[2]))
start_time = time.perf_counter()
np.random.shuffle(rndImg)
end_time = time.perf_counter()
print('Time random shuffle: ', end_time - start_time)
rndImg = np.reshape(rndImg, img.shape)
return rndImg
def randomize_image_permutation(img):
"""使用 np.random.permutation 打乱图像像素."""
rndImg = np.reshape(img, (-1, img.shape[2]))
start_time = time.perf_counter()
i = np.random.permutation(len(rndImg))
rndImg = rndImg[i, :]
end_time = time.perf_counter()
print('Time random permutation: ', end_time - start_time)
rndImg = np.reshape(rndImg, img.shape)
return rndImg
# 创建一个示例图像
m, n = 500, 500
img = np.arange(m*n*3).reshape(m, n, 3)
# 使用两种方法打乱图像并计时
img1 = randomize_image_shuffle(img)
img2 = randomize_image_permutation(img)
# 验证两种方法的结果是否相同 (可选)
# print(np.array_equal(img1, img2))在上述代码中，randomize_image_shuffle 函数使用 np.random.shuffle 打乱图像像素，而 randomize_image_permutation 函数使用 np.random.permutation 生成索引并重新排列像素。 经过测试，randomize_image_permutation 通常比 randomize_image_shuffle 更快，尤其是在处理大型图像时。
NumPy Generator 的应用
NumPy 1.17 引入了新的随机数生成器 Generator，它提供了更灵活和可控的随机数生成方式。在打乱图像像素时，可以使用 Generator 替代 np.random.permutation，在某些情况下可以获得更好的性能。
以下代码展示了如何使用 Generator 打乱图像像素：
import numpy as np
# 在函数外部初始化 Generator
rng = np.random.default_rng()
def randomize_image_generator(img):
"""使用 NumPy Generator 打乱图像像素."""
rndImg = np.reshape(img, (-1, img.shape[2]))
i = rng.permutation(len(rndImg))
rndImg = rndImg[i, :]
rndImg = np.reshape(rndImg, img.shape)
return rndImg
# 创建一个示例图像
m, n = 500, 500
img = np.arange(m*n*3).reshape(m, n, 3)
# 使用 Generator 打乱图像
img3 = randomize_image_generator(img)与 np.random.permutation 相比，Generator 提供了更多的随机数生成算法和种子控制选项，可以更好地满足不同的应用需求。
注意： 在使用 Generator 时，应该在函数外部初始化 Generator 对象，并在函数内部重复使用，以避免每次调用函数都重新初始化 Generator，从而提高性能。
总结
本文介绍了使用 NumPy 高效打乱图像像素的几种方法，包括使用 np.random.shuffle、np.random.permutation 和 NumPy Generator。通过对比不同方法的性能，并结合实际应用场景，可以选择最合适的打乱策略。在处理大型图像时，建议使用 np.random.permutation 或 NumPy Generator，以获得更好的性能。 此外，可以根据图像的存储方式（行优先或列优先）选择沿特定轴进行打乱，以进一步优化性能。
