OpenCV Python通过图像数据绑定极其缓慢的迭代

如何解决OpenCV Python通过图像数据绑定极其缓慢的迭代

尝试使用numpy进行计算，而不要使用嵌套循环。对于numpy这样的简单计算，您应该获得类似C的性能。

例如，您的嵌套for循环可以用几个numpy表达式代替…

我对opencv并不十分熟悉，但是我认为python绑定现在具有numpy数组接口，因此上面的示例应该很简单：

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…）同样，我对opencv并不十分熟悉，但是无论如何，嵌套python for循环都不是明智地修改图像元素的方法。

希望无论如何能有所帮助！

解决方法

我最近使用了一些代码，该代码基于 OpenCV c ++中的 颜色跟踪对​​象，并将其重写为python绑定。

总体结果和方法显然是相同的减去语法。但是，当我在视频的每一帧上执行以下代码时，大约需要2-3秒才能完成，因为相比之下，同样是下面的c
++变体是即时的，并且我可以在手指按下时以最快的速度在帧之间进行迭代键。

有什么想法或意见吗？

    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