Python圖像處理時間過長

Question

我想用Python進行圖像處理。 問題是我有一個循環，將來自攝像機的圖像數據記錄到一個numpy數組中，但是在循環中，我試圖對從最后一張圖像到當前圖像的像素數據進行關聯，以確定是否需要做進一步的處理。 但是，這會破壞顯示滯后圖像輸出的循環的執行速度。

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

多線程是解決此問題的方法嗎？

Answer 1

我不確定這是否可行，但是如果轉換為灰度后進行關聯，則可以使操作更快。 這將使大量數據之間的相關性降低，並且實際上可以通過適當的FPS來實現。

另一種方法可能是獨立關聯每個通道，在快速測試后，它可能會執行得更快。

另外，對於多線程方法，可以將每個RGB圖像關聯在不同的線程上。 究竟有多快，如果有多快，還可以通過實驗找出。 jwpfox的評論鏈接可能是一個好的開始。 但是，最后我在Python中使用多處理，這是一個將內存復制到每個子進程的問題。 我不知道這種多處理程序是否會執行相同的操作，但為將來的加速而牢記這一點。