15-12-17, 13:18
(Modification du message : 15-12-17, 13:25 par aurelienpierre.)
Bonjour tout le monde,
dernières nouvelles de ce travail : mes algorithmes ont été portés en C par Edgardo et fonctionnent dans une version HAUTEMENT INSTABLE de darktable. Le module est assez inutilisable puisque très lent. Je peux quand même donner le Github s'il y a des aventuriers.
Mais mais mais… je viens de trouver des astuces algorithmiques (mathématiques, quoi), pour l'accélérer en demandant moins de calcul pour le même résultat. cette nouvelle technique plus des astuces de programmation (optimisations diverses) m'ont permis d'accélérer le temps de fonctionnement jusqu'à 3× pour la version Python. On passe sous les 20 min de traitement pour une image de 24 Mpx (contre plus d'une heure en faisant moins de tours de boucle avant).
De pluuuuuus, 75 % du temps de calcul de cette méthode est alloué à l'estimation du flou, qui se faisait jusqu'à présent en même temps que le défloutage de l'image (pour gagner du temps). J'ai changé de stratégie en n'estimant le flou que sur une région de 255×255 px, puis en défloutant toute l'image avec les informations recueillie dans la zone échantillon. Ça me permet non seulement de faire une estimation hyper précise en moins d'une minute, mais aussi de stocker le profil de flou pour redéflouter plus tard (comprendre : calculer le flou une fois et se contenter de déflouter quand vous changez le zoom du la table lumineuse DT). Ça fait qu'au moment de l'exportation, 75 % du calcul est déjà fait.
Voilà voilà.
dernières nouvelles de ce travail : mes algorithmes ont été portés en C par Edgardo et fonctionnent dans une version HAUTEMENT INSTABLE de darktable. Le module est assez inutilisable puisque très lent. Je peux quand même donner le Github s'il y a des aventuriers.
Mais mais mais… je viens de trouver des astuces algorithmiques (mathématiques, quoi), pour l'accélérer en demandant moins de calcul pour le même résultat. cette nouvelle technique plus des astuces de programmation (optimisations diverses) m'ont permis d'accélérer le temps de fonctionnement jusqu'à 3× pour la version Python. On passe sous les 20 min de traitement pour une image de 24 Mpx (contre plus d'une heure en faisant moins de tours de boucle avant).
De pluuuuuus, 75 % du temps de calcul de cette méthode est alloué à l'estimation du flou, qui se faisait jusqu'à présent en même temps que le défloutage de l'image (pour gagner du temps). J'ai changé de stratégie en n'estimant le flou que sur une région de 255×255 px, puis en défloutant toute l'image avec les informations recueillie dans la zone échantillon. Ça me permet non seulement de faire une estimation hyper précise en moins d'une minute, mais aussi de stocker le profil de flou pour redéflouter plus tard (comprendre : calculer le flou une fois et se contenter de déflouter quand vous changez le zoom du la table lumineuse DT). Ça fait qu'au moment de l'exportation, 75 % du calcul est déjà fait.
Voilà voilà.
Aurélien, photographe portraitiste, spécialiste calcul.
Développeur de filmique, égaliseur de tons, balance couleur, etc.
darktable est mon métier, pensez à m'aider :
![[Image: 2FAd4rc]](https://bit.ly/2FAd4rc)
Développeur de filmique, égaliseur de tons, balance couleur, etc.
darktable est mon métier, pensez à m'aider :