使用多线程在python上更快地处理图像？

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使用多线程在python上更快地处理图像？，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1249字，纯文字阅读大概需要2分钟。

内容图文

在Python Python Image Library脚本中,有一个名为processPixel(image,pos)的函数,它根据图像及其上的位置计算数学索引.使用简单的for循环计算每个像素的索引：

for x in range(image.size[0)):
    for y in range(image.size[1)):
        myIndex[x,y] = processPixel(image,[x,y])

这花费了太多时间.如何实现线程来分割加速它的工作？多线程代码的速度有多快？特别是,这是由处理器核心数量定义的吗？

解决方法:

由于Global Interpreter Lock,您无法使用线程加速它.Python解释器的某些内部状态受该锁的保护,这可以防止需要修改该状态的不同线程同时运行.

您可以通过使用multiprocessing生成实际进程来加速它.每个进程将在其自己的解释器中运行,从而避免线程的限制.使用多处理,您可以使用共享内存,也可以为每个进程提供自己的数据副本/分区.

根据您的任务,您可以通过对单个图像进行分区来并行处理单个图像,也可以并行处理图像列表(后者可以使用pool轻松完成).如果您想使用前者,您可能希望将图像存储在可以作为共享内存访问的Array中,但您仍然必须解决写入结果的位置问题(写入共享内存会影响性能)严重).另请注意,进程之间的某些类型的通信(队列,管道或模块中某些函数的参数/返回值传递)需要使用Pickle对数据进行序列化.这会对数据施加某些限制,并可能会产生重大影响.性能开销(特别是如果你有很多小任务).

另一种提高此类操作性能的方法是尝试在Cython中编写它们,它有自己的support for parallelization使用OpenMP – 虽然我从未使用过,所以我不知道它有多大帮助.

内容总结

以上是互联网集市为您收集整理的使用多线程在python上更快地处理图像？全部内容，希望文章能够帮你解决使用多线程在python上更快地处理图像？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