python – numpy中的性能

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – numpy中的性能，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1104字，纯文字阅读大概需要2分钟。

内容图文

我在python中编写一个方法,通过OpenCV,它处理来自摄像机的一些图像,并将该图像逐像素地与一些参数进行比较,并根据这些参数将该像素置于零.执行该操作的代码如下：

while True:
ret, frame = cap.read()                      # retrieve image from the camera
for row in range(rows):
  for col in range(cols):
    b1 = (frame[row][col][:] < Nsigma2[row][col][:]).all();
    b2 = (frame[row][col][:] > Psigma2[row][col][:]).all();
    if not b1 and not b2:
      frame[row][col][:] = [0,0,0];
    cv.imshow('frame',frame)                   #show the processed image
    if cv.waitKey(15) & 0xFF == ord('q'):
      break

除了算法本身的正确与否,这是否是遍历和访问numpy矩阵的正确方法？但这非常缓慢.我认为最慢的方向是矩阵的第三个组成部分,我在内循环中访问它,但我找不到更好的方法来做到这一点.我不是很习惯Python,这是正常的,可以预期如此缓慢的表现？

解决方法:

什么在减慢你的速度很可能是循环,这不是Python的优势之一.我怀疑内存访问是否相关.您可以对您的处理进行矢量化,并立即完成所有操作,让numpy在内部循环遍历值.这三行：

b1 = np.all(frame < NSigma2, axis=-1)
b2 = np.all(frame > PSigma2, axis=-1)
frame[~(b1 | b2)] = 0

可以替换你的2个嵌套循环.但是,您现在无法像往常一样逐像素地看到图像.

内容总结

以上是互联网集市为您收集整理的python – numpy中的性能全部内容，希望文章能够帮你解决python – numpy中的性能所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端