阈值图像数组和渲染的有效方法 - Python / NumPy / OpenCV答案

【问题标题】：Efficient way to threshold image array and render - Python / NumPy / OpenCV阈值图像数组和渲染的有效方法 - Python / NumPy / OpenCV
【发布时间】：2020-03-23 03:12:28
【问题描述】：

我有一台正在将图像数据发送到我的计算机的相机。从那里我的 python 脚本将 8 位颜色信息（黑白；范围从 0 - 黑色 - 到 255 - 白色）放入一个 numpy 数组中。数组是二维的，第一维最大为 384，第二维最大为 288 用 openCV 窗口显示这个效果很好，实时视频超过 24fps。

我现在的目标是处理图像，以便实时视频将任何低于 200 的颜色值显示为 0（全黑），将任何高于 200 的颜色值显示为 255（全白）。但是，我现在的代码只给了我大约 3fps。

我的代码正在执行以下操作：

将来自相机的图像保存在一个 numpy 数组中
打开第一个 for 循环以遍历 x 值
在第一个 for 循环中使用 y 值遍历第二个 for 循环
检查每个像素的每个颜色值，并检查它是否高于 200
根据if 子句将颜色值设为0 或255
显示新图像

这是代码中的决定性部分：

processedImage = frame
i = 0
for i in range(0, displayedWidth):
    ii = 0
    for ii in range(0, displayedHeight):
        if frame[ii, i] > 200:
            processedImage[ii, i] = 255
        else: 
            processedImage[ii, i] = 0
cv2.imshow("LiveVideo", processedImage)

我读到here 说for 循环比while 循环快，但它并没有显着提高代码的速度，这就是为什么我认为processedImage 的重写需要太长时间。

有没有办法让整个过程更快？

感谢您的任何回答！

【问题讨论】：

标签： python arrays performance loops numpy

【解决方案1】：

试试这个：

frame[frame > 200] = 255
frame[frame <= 200] = 0
cv2.imshow("LiveVideo", frame)

【讨论】：

非常感谢！这使它恢复到超过 24fps 并且视频再次流畅运行。将尽快将其标记为正确。

【解决方案2】：

np.where()也可以使用：

processed_frame = np.where(frame >= 200, 255, 0)

例如

>>> im = (np.random.rand(5, 5) * 255).round()
>>> im
array([[ 45.,  92.,  74., 207., 211.],
       [206., 184.,  31., 117., 119.],
       [ 88.,  82., 203.,  34.,   5.],
       [157.,  99., 154., 251.,  54.],
       [160., 177.,  14., 206., 234.]])
>>> np.where(im >= 200, 255, 0)
array([[  0,   0,   0, 255, 255],
       [255,   0,   0,   0,   0],
       [  0,   0, 255,   0,   0],
       [  0,   0,   0, 255,   0],
       [  0,   0,   0, 255, 255]])
>>>

【讨论】：

【解决方案3】：

使用 Seb 的解决方案是一个很大的改进，但似乎使用 numpy.where 更快：

%%timeit
frame1 = frame.copy()
frame1[frame1 > 200] = 255
frame1[frame1 <= 200] = 0

974 µs ± 19.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

对比

%%timeit
frame2 = frame.copy()
frame2 = np.where(frame2 > 200, 255, 0)

385 µs ± 7.16 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

>>> np.alltrue(frame1 == frame2)
True

【讨论】：

当我尝试使用您的或@AKX 解决方案时，我在尝试使用cv2.imshow(...) 显示图像时收到错误(-215: Assertion failed)。我是否也可以保存颜色值高于 200 的点，还是需要第二个 np.where() 语句？
是的，结果应该和Seb的做法一样。作为参考，我用这个数组对其进行了测试：frame = np.floor(256 * np.random.rand(384, 288)).astype(int)

【解决方案4】：

继续使用 NumPy，似乎最快的是 -

(frame>200)*np.uint8(255)

既然您已经在使用 OpenCV，那么更快的方法是使用 cv2.threshold -

cv2.threshold(frame,200,255,cv2.THRESH_BINARY)[1]

运行示例以验证结果并获取 1024X1024 图像上的时间 -

In [2]: np.random.seed(0)
   ...: frame = np.random.randint(0,256,(1024,1024)).astype(np.uint8)

In [3]: %timeit (frame>200)*np.uint8(255)
253 µs ± 13.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [4]: %timeit cv2.threshold(frame,200,255,cv2.THRESH_BINARY)[1]
58.2 µs ± 437 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)    

In [7]: out1 = (frame>200)*np.uint8(255)

In [8]: out2 = cv2.threshold(frame,200,255,cv2.THRESH_BINARY)[1]

In [9]: np.allclose(out1, out2)
Out[9]: True

在相同数据上使用其他解决方案的时间 -

# @AKX's soln
In [10]: %timeit np.where(frame >= 200, 255, 0)
3.73 ms ± 22.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

# @Seb's soln
In [11]: %%timeit
    ...: frame[frame > 200] = 255
    ...: frame[frame <= 200] = 0
10.2 ms ± 15.4 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

带有cv2.threshold 的OpenCV 版本似乎是最快的版本。

【讨论】：