C++ OpenCV Python通过图像数据绑定极其缓慢的迭代

我最近在OpenCV c++中获取了一些基于颜色跟踪对象的代码，并在python绑定中重写了它

总体结果和方法明显相同。但是，当我在视频的每一帧上执行下面的代码时，它需要差不多2-3秒的时间来完成，因为C++变体，也在下面，是比较即时的，而且我可以在帧之间迭代，就像我的手指可以按一个键一样快。 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<（高度）；i++）
{
对于（int j=0；j<（宽度）；j++）
{
如果（（数据[i*步进+j*通道+1]）>（红色_差异+数据[i*步进+j*通道+2]））&&
（（数据[i*步进+j*通道+1]）>（BLU DIFF+数据[i*步进+j*通道]）
数据\u r[i*步进\u r+j*通道\u r]=255；
其他的
数据\u r[i*步进\u r+j*通道\u r]=0；
}
}

---

谢谢

尝试使用numpy来进行计算，而不是嵌套循环。对于numpy提供的这种简单计算，您应该可以获得类似C的性能

例如，嵌套的For循环可以替换为几个numpy表达式

我对opencv不太熟悉，但我认为python绑定现在有了一个numpy数组接口，因此上面的示例应该非常简单：

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…）再说一遍，我对opencv真的不是很熟悉，但不管怎样，嵌套式python for循环并不是修改图像元素的方式

---

无论如何，希望这有点帮助

这无疑加快了速度，但我似乎无法理解为什么结果与我的图像阈值更密切相关，并且它没有找到图像上的绿色区域，因为它看起来应该是这样的？我可能误解了图像的红色、绿色和蓝色通道的顺序。。。（从上面的代码来看，似乎蓝色是第一个通道，红色是最后一个…）也许可以尝试将“数据”数组解包为

红色、绿色、蓝色=数据。T

？只是胡乱猜测。。。我可能完全错了……是的，这是我最初的想法，但改变顺序不会产生不同的结果。_RED_DIFF和_BLU是高值，155，因此图像中不应该有很多白色像素，但仍然有；当我把(u DIFF)设为255时,几乎全是白色的？我似乎无法理解res=（绿色>（红色+红色））和（绿色>（蓝色+蓝色））的结果。嗯。。。这可能是一个溢出问题。。。在numpy中，若您处理的是uint8，那个么它们会像在C中一样溢出。若您将155添加到uint8，很有可能很多值会溢出到较低的值。也许可以试着从uint16开始

data=np.asarray（dsimg，dtype=np.uint16）

？我必须说非常聪明。这就成功了。谢谢你的帮助，非常感谢。

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)