Question

我最近在 OpenCV c ++ 中使用了一些跟踪基于颜色的对象的代码，并在python绑定中重写了它。

整体结果和方法明显相同，减去语法。但是，当我在视频的每一帧上执行以下代码时，需要将近2-3秒才能完成，因为c ++变体（也在下面）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。

任何想法或评论？

    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;
        }
    }

由于

Answer 1

尝试使用numpy进行计算，而不是使用嵌套循环。对于numpy这样的简单计算，你应该得到类似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并不十分熟悉，但我认为python绑定现在有一个numpy数组接口，所以上面的例子应该简单如下：

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)

（完全未经测试，当然......）同样，我真的不太熟悉opencv，但嵌套的python for循环不是修改图像元素的方法，不管......

希望无论如何都有所帮助！

OpenCV Python通过图像数据绑定极其缓慢的迭代

1 个答案: