はじめに
ライフゲームを「画像処理の２次元フィルタ」で高速化できるのでは？と思いついて、openCVのfilter2Dという関数で試してみました。
その結果、うまく実装することができまして、20倍以上も早くなりました。2重のforループの処理が、2次元フィルタの処理1回に置き換えられるところがポイントです。これだけ早くなると全然違うものに見えます。テンション上がりますね！この方法は、ライフゲームだけでなく、いろいろなセルオートマトンの実装に応用できると思います。
この記事のプログラムコードは、windows10, python3.6, OpenCV3.4 の環境で試したものです。
全コードは -> こちら
ライフゲームを、画像処理用の2Dフィルターで22倍に加速させる。python3, openCV3 pic.twitter.com/11x7xEtie3
— いとしん (@makocchinote) 2019年3月21日
ライフゲームとは
ライフゲームとは、２次元の盤上で生物が生まれたり死んだりするバターンを眺める、凄く奥の深いシミュレーションです。詳しくは -> こちら
ルールは以下の二つのみです。
-
生物の周り8セルに、2匹または3匹の他の生物がいると、次の世代もその生物は生きる。そうでなければ死ぬ。
-
生物がいないセルでは、周り8セルに3匹の生物がいると、新しく生物が生まれる。
このルールですべてのセルを更新して1世代とし、何世代も繰り返しながら、生物の分布パターンを観察するのがライフゲームです。
周囲のセルを数える
そういうことで、ライフゲームを動かすには、「すべてのセルについて周囲の8セルの生物の数を数える」という処理がキモになります（図1-3）。生物がいるところを1とし、いないところを0とします。
プログラムするために、まず、各セルに生物がいるかいないかを記述する２次元配列fieldを定義しましょう。
field = np.array([[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0],
[0, 0, 1, 1, 1, 0],
[0, 0, 1, 0, 0, 0],
[0, 0, 0, 1, 0, 0],
[0, 0, 0, 0, 0, 0]], dtype=np.uint8)
「すべてのセルについて周囲の8セルの生物の数を数える」処理をpythonで普通に書くと2重のforループで以下のようになると思います（端のセルの処理は省略しています）。
count = np.zeros()count = np.zeros((6, 6), dtype=np.uint8)
for i in range(1, 5):
for j in range(1, 5):
count[i, j] = field[i-1,j-1]+field[i-1,j]+field[i-1,j+1] \
+ field[i ,j-1] +field[i ,j+1] \
+ field[i+1,j-1]+field[i+1,j]+field[i+1,j+1]
ところで、画像処理の手法の１つに、2Dフィルターというものがあります(図4)。2Dフィルターでは、カーネルと呼ばれる2次元行列を定義します。カーネルと「同じ大きさの入力画像の小領域」との内積を計算し、その値を出力値とします。この処理をすべての画素に対して行い出力画像を得ます。
カーネルを変えることで、エッジを強調したり、全体をぼやかしたりなどと、いろいろな効果を得ることができるのですが、図4に示したようなドーナッツ状のカーネルを使うと、セルの周囲の1を数えるという、図3で示したものと同じ効果を得ることができます。
コードでは、openCV のfilter2Dを使って以下のように簡単に実装できます。
kernel = np.array([[1,1,1],[1,0,1],[1,1,1]], dtype=np.uint8)
count = cv2.filter2D(field, -1, kernel)
print(count)
出力のcount の中身は以下のようになり、図3と同じ結果が得られたことが分かります。
[out]
count=
[[0 0 0 0 0 0]
[0 1 2 3 2 2]
[0 2 2 3 1 2]
[0 2 3 5 3 2]
[0 1 2 1 1 0]
[0 0 2 2 2 0]]
残りの処理もfor文やif文を使わずに実装
さて、filter を使ってcountが得られましたが、もう少しやることがあります。
ライフゲームのルール１と２から、
-
field[i, j] = 1となるi, jについて、count[i, j]=2 or 3だったら、次の世代で、field_next[i, j] = 1とする -
field[i, j] = 0となるi, jについて、count[i, j]=3だったら、次の世代で、field_next[i, j] = 1とする
の計算をしなくてはいけません。そしてここでも forループなしでコードを書きたいところです。
ところで、行列に論理演算子を適用すると、その結果はbool型の行列が帰ってきます。
print(count == 2)
とすると、
[out]
array([[False, False, False, False, False, False],
[False, False, True, False, True, True],
[False, True, True, False, False, True],
[False, True, False, False, False, True],
[False, False, True, False, False, False],
[False, False, True, True, True, False]])
と出力されます。この性質を使って1と2を計算することはできないでしょうか。ちなみに、結果に1をかけると0/1 で表示されて見やすくなります。
print((count==2)*1)
[out]
[[0 0 0 0 0 0]
[0 0 1 0 1 1]
[0 1 1 0 0 1]
[0 1 0 0 0 1]
[0 0 1 0 0 0]
[0 0 1 1 1 0]]
行列[count == 2] = 9 などとすることで、Trueに対応する要素を9に書き換えることができます。
tmp = np.zeros((6, 6), dtype=np.uint8)
tmp[(count==2)] = 9
print(tmp)
[out]
[[0 0 0 0 0 0]
[0 0 9 0 9 9]
[0 9 9 0 0 9]
[0 9 0 0 0 9]
[0 0 9 0 0 0]
[0 0 9 9 9 0]]
行列同士の論理演算は、例えば、'A and B' などができるような気がするのですが、これだとエラーになってしまいます。ここは 'A * B' とするとうまくいきます。'A or B' は 'A + B' でできます（このあたりいろいろ試してたどり着きましたが、もっと良い方法がありましたら教えてください）。
A = np.array([False, False, True, True])
B = np.array([False, True , False, True])
print('A=', A*1, ', B=', B*1)
print('A and B =', (A * B)*1)
print('A or B =', (A + B)*1)
[out]
A= [0 0 1 1] , B= [0 1 0 1]
A and B = [0 0 0 1]
A or B = [0 1 1 1]
さて以上の性質を使うと、
「field = 1 で、 count = 2 or 3である」となるbool の行列 (alive)と、
「field = 0 で、 count = 3である」となるbool の行列 (born)を
以下のように求めることができます。
alive = (field == 1) * ((count == 2) + (count == 3))
born = (field == 0) * (count == 3)
print('alive=')
print(alive * 1)
print('born=')
print(born * 1)
[out]
alive=
[[0 0 0 0 0 0]
[0 0 0 0 0 0]
[0 0 1 1 0 0]
[0 0 1 0 0 0]
[0 0 0 0 0 0]
[0 0 0 0 0 0]]
born=
[[0 0 0 0 0 0]
[0 0 0 1 0 0]
[0 0 0 0 0 0]
[0 0 0 0 1 0]
[0 0 0 0 0 0]
[0 0 0 0 0 0]]
よって次世代のfield(field_next)は以下のように求めることができます。
field_next = np.zeros_like(field, dtype=np.uint8)
field_next[np.where(alive)] = 1
field_next[np.where(born)] = 1
print('field_next=')
print(field_next)
[out]
field_next=
[[0 0 0 0 0 0]
[0 0 0 1 0 0]
[0 0 1 1 0 0]
[0 0 1 0 1 0]
[0 0 0 0 0 0]
[0 0 0 0 0 0]]
まとめ
以上をまとめると、以下のようになります。
field = np.array([[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0],
[0, 0, 1, 1, 1, 0],
[0, 0, 1, 0, 0, 0],
[0, 0, 0, 1, 0, 0],
[0, 0, 0, 0, 0, 0]], dtype=np.uint8)
kernel = np.array([[1,1,1],[1,0,1],[1,1,1]], dtype=np.uint8)
count = cv2.filter2D(field, -1, kernel)
alive = (field == 1) * ((count == 2) + (count == 3))
born = (field == 0) * (count == 3)
field_next = np.zeros_like(field, dtype=np.uint8)
field_next[np.where(alive)] = 1
field_next[np.where(born)] = 1
print('field=')
print(field)
print('field_next=')
print(field_next)
[out]
field=
[[0 0 0 0 0 0]
[0 0 0 0 0 0]
[0 0 1 1 1 0]
[0 0 1 0 0 0]
[0 0 0 1 0 0]
[0 0 0 0 0 0]]
field_next=
[[0 0 0 0 0 0]
[0 0 0 1 0 0]
[0 0 1 1 0 0]
[0 0 1 0 1 0]
[0 0 0 0 0 0]
[0 0 0 0 0 0]]
これで、lifegame の世代交代をfor ループなしで実装できます！この方法を、「フィルター法」とでも名付けましょう。
実際に作ったコードはgithub にUPしてあります。
ここでは、
- 上下左右をつなげる周期境界条件
- fps の計算表示
- 従来法とフィルター法の切り替え（space key）
の機能も追加してあります。従来法に比べてフィルター法は、僕のPCだと22倍早くなりました（field のサイズや表示の仕方にもよります）。気持ちいいです！
この方法は、ライフゲームに限ったものではなく、他のセルオートマトンなどにも使えると思います。