[英]Python Image Processing Taking Too Long
我想用Python进行图像处理。 问题是我有一个循环,将来自摄像机的图像数据记录到一个numpy数组中,但是在循环中,我试图对从最后一张图像到当前图像的像素数据进行关联,以确定是否需要做进一步的处理。 但是,这会破坏显示滞后图像输出的循环的执行速度。
def gen(camera):
image = np.zeros([480, 640, 3])
last_image = np.zeros([480, 640, 3])
frame_number = 0
while True:
frame = camera.get_frame()
#new code
if(frame_number % 10 == 0):
#save the current frame
image = frame
#this line takes forever on 480x640x3 sized nd.arrray
corr = signal.correlate(image, last_image)
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.1,
minNeighbors=5,
minSize=(30, 30),
flags=cv2.CASCADE_SCALE_IMAGE
)
# Draw a rectangle around the faces
for (x, y, w, h) in faces:
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
#cv2.imshow('Video', frame)
ret, jpeg = cv2.imencode('.jpg', frame)
#if cv2.waitKey(1) & 0xFF == ord('q'):
# break
yield (b'--frame\r\n'
b'Content-Type: image/jpeg\r\n\r\n' + jpeg.tobytes() + b'\r\n\r\n')
if(frame_number % 10 == 0):
#save current frame as last frame for next process
last_image = frame
frame_number += 1
多线程是解决此问题的方法吗?
我不确定这是否可行,但是如果转换为灰度后进行关联,则可以使操作更快。 这将使大量数据之间的相关性降低,并且实际上可以通过适当的FPS来实现。
另一种方法可能是独立关联每个通道,在快速测试后,它可能会执行得更快。
另外,对于多线程方法,可以将每个RGB图像关联在不同的线程上。 究竟有多快,如果有多快,还可以通过实验找出。 jwpfox的评论链接可能是一个好的开始。 但是,最后我在Python中使用多处理,这是一个将内存复制到每个子进程的问题。 我不知道这种多处理程序是否会执行相同的操作,但为将来的加速而牢记这一点。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.