大佬教程收集整理的这篇文章主要介绍了OpenCV Python通过图像数据绑定极其缓慢的迭代，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
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！
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
以上是大佬教程为你收集整理的OpenCV Python通过图像数据绑定极其缓慢的迭代全部内容，希望文章能够帮你解决OpenCV Python通过图像数据绑定极其缓慢的迭代所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。