将整数列表转换为位列表 Python

Question

我目前正在尝试将视频数据馈送到激光器（我们使用激光器进行通信）。 激光器通过调制工作，我们总共有 2 个状态，相当于 0 和 1。因此，为了向激光器提供视频数据，我首先需要将其转换为位。 我从带有 openCV 的网络摄像头获得的帧由 2D arrays 表示，其中包含 8 位整数以获得灰度图像。 目前，我正在对这些 arrays 进行如下改造：

if __name__ == '__main__':
video = Video()

frame = video.getFrameBits()

其中视频 class 定义为：

class Video:
# scale_percent: percent of original size of frame
def __init__(self, scale_percent=100):
    self.cap = cv2.VideoCapture(0)

    # Get one frame to figure out sizing constraints
    _, frame = self.cap.read()

    width = int(frame.shape[1] * scale_percent / 100)
    height = int(frame.shape[0] * scale_percent / 100)
    self.dim = (width, height)

# color: If true show color frames. Not yet implemented
def getFrame(self, color=False):
    _, frame = self.cap.read()

    frame = cv2.resize(frame, self.dim, interpolation=cv2.INTER_AREA)

    if not color:
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        return gray

def getFrameBits(self):
    frame = self.getFrame()

    for row in frame:
        for pixel in row:
            frame_bits.append(intToBits(pixel))
    
    return frame_bits

并且位 function 的 int 为：

def intToBits(x):
    send = str(bin(x).lstrip('0b'))
    send = send.zfill(8)

    return send

我使用 intToBits function 的原因是因为我希望能够将这个我称为frame的数组直接输入激光器。 在当前的实现中，前导零不会从数组中截断。 所以我得到一个 output 像： [10010101,10010100,10010101,10010111,10010110,10010101,10010100,10010001,10010001,01011000,...]

整个代码的问题在于它在我可用的微控制器上运行得太慢了。 获得一帧大约需要 5 秒，这是相当糟糕的。 我的第一个想法是去掉getFrameBits中嵌套的for循环，如下：

frame_bits = [intToBits(pixel) for row in frame for pixel in row]

这确实缩短了时间，但我想看看是否可以进一步改进。 我们仍然需要大约 1 秒来获取帧，这更好，但我们期望更大的采样率。

我的下一个想法是在 C 中编写代码并在 Python 中运行它，但我对 C 不太熟悉。 因此，虽然我愿意这样做，但我想确保这是正确的方向。

还有其他方法可以优化此代码吗？

谢谢！

Answer 1

一点位掩码应该可以解决问题：

除了一点点矢量化 - 无需编写 C 代码，以防 numpy 的引擎盖下内置代码已经写在 Z0D61F8370CAD1D412F70B84D143E2 中。

import numpy as np
import cProfile, pstats, io

input_size = 1000000
#since I don't have your image, I made do with a random sample of 8bit numbers.
test_input = np.random.randint(0, 256, input_size)
#to check that we get the correct result, set input_size to 2
#and uncomment the line below
#test_input = [255, 7]

#your function for the speed comparison purposes
def intToBits(x):
    send = str(bin(x).lstrip('0b'))
    send = send.zfill(8)
    return send

#note, that in this case x is the whole array, not just one number
#to make the full use of the vectorization
#also the output is not a bitfield, but a string
#the > 0 at the end is to convert the result into booleans.
#strictly speaking it isn't necessary if you are fine with 0 1 integers.
def binary_repr(x):
    return(
    np.dstack((
    np.bitwise_and(x, 0b10000000) >> 7,
    np.bitwise_and(x, 0b1000000) >> 6,
    np.bitwise_and(x, 0b100000) >> 5,
    np.bitwise_and(x, 0b10000) >> 4,
    np.bitwise_and(x, 0b1000) >> 3,
    np.bitwise_and(x, 0b100) >> 2,
    np.bitwise_and(x, 0b10) >> 1,
    np.bitwise_and(x, 0b1)
    )).flatten() > 0)

#starting the profiler.
pr = cProfile.Profile()
pr.enable()

#the two computations that we want to compare
a = []
for i in range(input_size):
    a.append(intToBits(test_input[i]))
print(a)
b = binary_repr(test_input)
print(b)

#the comparison
sortby = 'cumulative'
pr.disable()
s = io.StringIO()
ps = pstats.Stats(pr, stream=s).sort_stats(sortby)
ps.print_stats()
print(s.getvalue())

为了完整起见，分析器结果：

  ncalls  tottime  percall  cumtime  percall filename:lineno(function)
  1000000    0.577    0.000    0.920    0.000 (intToBits)
        2    0.195    0.098    0.195    0.098 {built-in method builtins.print}
  1000000    0.125    0.000    0.125    0.000 {method 'lstrip' of 'str' objects}
  1000000    0.119    0.000    0.119    0.000 {built-in method builtins.bin}
  1000000    0.099    0.000    0.099    0.000 {method 'zfill' of 'str' objects}
  1000008    0.082    0.000    0.082    0.000 {method 'append' of 'list' objects}
        1    0.030    0.030    0.062    0.062 (binary_repr)

如您所见，即使生成数据也比切换到按位表示需要更多时间。 虽然您需要稍微修改一下以适应您的代码，因为 output 格式有点不同 - 一个大数组而不是 arrays 数组 - 它应该非常值得。