问题描述
尝试使用numpy进行计算,而不要使用嵌套循环。对于numpy这样的简单计算,您应该获得类似C的性能。
例如,您的嵌套for循环可以用几个numpy表达式代替…
我对opencv并不十分熟悉,但是我认为python绑定现在具有numpy数组接口,因此上面的示例应该很简单:
cv.PyrDown(img, dsimg)
data = np.asarray(dsimg)
blue, green, red = data.T
res = (green > (_RED_DIFF + red)) & (green > (_BLU_DIFF + blue))
res = res.astype(np.uint8) * 255
res = cv.fromarray(res)
(当然,完全未经测试…)同样,我对opencv并不十分熟悉,但是无论如何,嵌套python for循环都不是明智地修改图像元素的方法。
希望无论如何能有所帮助!
解决方法
我最近使用了一些代码,该代码基于 OpenCV c ++中的 颜色跟踪对象,并将其重写为python绑定。
总体结果和方法显然是相同的减去语法。但是,当我在视频的每一帧上执行以下代码时,大约需要2-3秒才能完成,因为相比之下,同样是下面的c
++变体是即时的,并且我可以在手指按下时以最快的速度在帧之间进行迭代键。
有什么想法或意见吗?
cv.PyrDown(img,dsimg)
for i in range( 0,dsimg.height ):
for j in range( 0,dsimg.width):
if dsimg[i,j][1] > ( _RED_DIFF + dsimg[i,j][2] ) and dsimg[i,j][1] > ( _BLU_DIFF + dsimg[i,j][0] ):
res[i,j] = 255
else:
res[i,j] = 0
for( int i =0; i < (height); i++ )
{
for( int j = 0; j < (width); j++ )
{
if( ( (data[i * step + j * channels + 1]) > (RED_DIFF + data[i * step + j * channels + 2]) ) &&
( (data[i * step + j * channels + 1]) > (BLU_DIFF + data[i * step + j * channels]) ) )
data_r[i *step_r + j * channels_r] = 255;
else
data_r[i * step_r + j * channels_r] = 0;
}
}
谢谢