OpenCV Python 通过图像数据绑定非常慢的迭代

Question

我最近在 OpenCV c++ 中编写了一些基于颜色跟踪对​​象的代码，并在 python 绑定中重写了它。

总体结果和方法显然是相同的减号语法。但是，当我在视频的每一帧上执行下面的代码时，几乎需要 2-3 秒才能完成，因为下面的 c++ 变体是即时比较的，我可以在帧之间迭代，就像我的手指可以按下一样快键。

有什么想法或方法吗？

    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

Answer 1

尝试使用 numpy 进行计算，而不是使用嵌套循环。对于像这样的简单计算，您应该从 numpy 获得类似 C 的性能。

例如，您的嵌套 for 循环可以替换为几个 numpy 表达式...

我对opencv不是很熟悉，但我认为python绑定现在有一个numpy数组接口，所以你上面的例子应该很简单：

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...）再说一次，我对 opencv 真的不是很熟悉，但是嵌套的 python for 循环不是修改图像元素的方法，无论如何...

无论如何，希望能有所帮助！