Question

经过大约4周的学习，实验等等，我终于有一个脚本可以满足我的需要。它根据我创建的某个投影矩阵改变图像的视角。当我为一个图像运行脚本时它工作正常，但我想在一个图中绘制六个图像。当我尝试这样做时，我收到内存错误。

所有图像的宽度均为2448像素，高度均为2048像素。我的剧本：

files = {'cam1': 'c1.jpg',
         'cam2': 'c2.jpg',
         'cam3': 'c3.jpg',
         'cam4': 'c4.jpg',
         'cam5': 'c5.jpg',
         'cam6': 'c6.jpg'}

fig, ax = plt.subplots()

for camname in files:
    img = Image.open(files[camname])
    gray_img = np.asarray(img.convert("L"))
    img = np.asarray(img)
    height, width, channels = img.shape

    usedP = np.array(P[camname][:,[0,1,3]])
    usedPinv = np.linalg.inv(usedP)
    U, V = np.meshgrid(range(gray_img.shape[1]),
                       range(gray_img.shape[0]))
    UV = np.vstack((U.flatten(),
                    V.flatten())).T
    ones = np.ones((UV.shape[0],1))
    UV = np.hstack((UV, ones))

    # create UV_warped
    UV_warped = usedPinv.dot(UV.T).T

    # normalize vector by dividing by the third column (which should be 1)
    normalize_vector = UV_warped[:,2].T
    UV_warped = UV_warped/normalize_vector[:,None]

    # masks
    # pixels that are above the horizon and where the V-projection is therefor positive (X in argus): make 0, 0, 1
    # pixels that are to far: make 0,0,1
    masks = [UV_warped[:,0]<=0, UV_warped[:,0]>2000, UV_warped[:,1]>5000, UV_warped[:,1]<-5000] # above horizon: => [0,0,1]
    total_mask = masks[0] | masks[1] | masks[2] | masks[3]
    UV_warped[total_mask] = np.array([[0.0, 0.0, 1.0]])

    # show plot
    X_warped = UV_warped[:,0].reshape((height, width))
    Y_warped = UV_warped[:,1].reshape((height, width))
    gray_img = gray_img[:-1, :-1]

    # add colors
    rgb = img[:,:-1,:].reshape((-1,3)) / 255.0 # we have 1 less faces than grid cells
    rgba = np.concatenate((rgb, np.ones((rgb.shape[0],1))), axis=1)

    plotimg = ax.pcolormesh(X_warped, Y_warped, img.mean(-1)[:,:], cmap='Greys')
    plotimg.set_array(None)
    plotimg.set_edgecolor('none')
    plotimg.set_facecolor(rgba)

ax.set_aspect('equal')
plt.show()

我觉得numpy.meshgrid非常耗费内存，但我不确定。有人看到我的记忆迅速被吃掉了吗？（顺便说一句，我有一台装有12Gb RAM的笔记本电脑，只有很少一部分用于其他程序）

Answer 1

您可能希望使用this library对代码进行分析。

它将显示脚本使用内存的位置。

Answer 2

有关于内存分析器的Stackoverflow问题here。另外，我过去曾使用this answer中的技巧作为快速了解代码内存失控的方法。我只是在整个地方打印resource.getrusage（）结果。它不干净，并不总是有效，但它是标准库的一部分，而且很容易做到。

Answer 3

我通常会使用profile和cProfile模块进行分析，因为它可以非常轻松地测试各个代码段。

Python Profilers

python内存密集型脚本

3 个答案: