Python运行vibe算法过慢

现在在做毕设，有一部分要用到前景目标提取，我打算用VIBE算法来做，但是同样的算法，Python运行时初始化都要20-50s，我朋友用matlab基本就是1s内最多1s多一点就能完成初始化，虽然Python运行慢，但是也不至于慢这么多吧，而且理论上vibe算法的运行速度应该是比较快的，大佬们看一下是不是写的代码的问题。。。

def initial_background(I_gray, N):
    t1 = cv2.getTickCount()
    I_pad = np.pad(I_gray, 1, 'symmetric')#对称填充
    height = I_pad.shape[0]
    width = I_pad.shape[1]
    samples = np.zeros((height, width, N))
    t2 = cv2.getTickCount()
    time = (t2 - t1) * 1000 / cv2.getTickFrequency()
    print(time)
    for i in range(1, height - 1):
        for j in range(1, width - 1):
            for n in range(N):
                x, y = 0, 0
                while (x == 0 and y == 0):
                    x = np.random.randint(-1, 1)
                    y = np.random.randint(-1, 1)
                ri = i + x
                rj = j + y
                samples[i, j, n] = I_pad[ri, rj]
    t3 = cv2.getTickCount()
    time2 = (t3 - t1) * 1000 / cv2.getTickFrequency()
    print(time2)
    samples = samples[1:height - 1, 1:width - 1]
    return samples

上面是Python的初始化部分代码，大佬们帮忙看看这部分代码有哪些可以优化的。matlab代码我看不懂，也不知道该发哪个，第一次在CSDN上问问题，不知道会不会有人回答。。。

我改写了一下，效果一样速度应该可以快100倍吧

    def __init_params(self, grayFrame):
        for k in range(self.__defaultNbSamples):
            c = np.random.randint(-1,2,size=(self.__Height,self.__Width))
            self.__samples[k] = np.maximum(grayFrame + c, 0)

height, width, N都是什么量级的，循环完一次后时间复杂度至少就是height*width*N，可以尝试用numpy重写

下面这一段while的实现很低效，直接先把所有合法组合对(x,y)加到list中，然后random.choice来选取

while (x == 0 and y == 0):
    x = np.random.randint(-1, 1)
    y = np.random.randint(-1, 1)

如果用逐像素遍历的方式建模，用python实现肯定很慢，应充分发挥python对数组的批量操作来实现。可参考https://blog.csdn.net/ywxuan/article/details/100739132