Python 将图像读取到预先分配的numpy阵列

我正在用Python（使用Numpy/Scipy+OpenCV）进行一些快速图像处理。 有几千张图像是完全相同的形状-一旦我读了第一张，我就确切地知道所有其他图像的样子

问题是从磁盘读取下一个图像会导致分配新内存（速度很慢）。有没有办法通过将下一幅图像直接读入一些已经存在的内存（

ndarray

）来避免这种情况？我知道C++中的哪一个可以接受一个指针来分配预先分配的Mat，但是它似乎没有Python绑定（唯一的选项是返回一个全新的数组）。 我需要这个用于多处理-我想将图像读入共享内存，然后在工作进程中对它们进行一些繁重的工作。现在，我不得不将分配的数组中的数据复制到共享内存中，这同样需要时间。我希望能够直接在那里写作

height, width = (50, 50)
image = np.zeros((height, width))
id(image)
# outputs: 140411457307552
image[:, :] = np.ones((height, width))
id(image)
# outputs: 140411457307552
image = np.ones((height, width))
id(image)
# outputs -> 140411437723280

# when reading from disk (assuming your images are 50x50 pixels)
image[:, :] = cv2.imread("/home/.../your_im_50x50.png")

通过寻址每个图像的维度，python将尝试将给定数组存储到现有数组中。这将导致内存分配到预先分配的内存区域。如果数组的形状不同，则会引发ValueError。

---

当只提到变量名时，会创建一个对数组的新引用，从而在内存中产生一个新对象（cf id）

虽然这是一个很好的提示，但它完全忽略了我想从磁盘读取数据并将其直接放入内存的事实。但是，您让我意识到我的问题可能更清楚，因此我对其进行了相应的编辑。cv2.imread返回numpy.ndarray对象。这就是为什么做

image[：，：]=np.ones（…）

和

image[：，：]=cv2.imread（“/home/../your_im.png”）

是完全一样的，这就是为什么你没有抓住问题的关键。

imread

调用已经创建了新的缓冲区。花里胡哨的抄袭并不能让你摆脱困境。您也可以直接删除旧的缓冲区，然后用新的缓冲区替换。这听起来像是OpenCV的一个有用的PR。您使用的是什么文件格式？可能会使用较低级别的库之一。您是否有探查器数据显示您的瓶颈确实在内存分配中？如果是这样的话，为什么不慢慢地将图像读入一个张量，并将该张量缓存到磁盘？@NilsWerner内存分配并不是唯一的瓶颈。它也是复制到子进程，它对图像进行一些处理——在通过管道发送数据期间，或者在从OpenCV分配的缓冲区复制到共享内存期间。我希望将数据直接读取到共享内存中，一石二鸟同时杀死分配和复制鸟；）现在我正在使用PNG，但最终我希望有一个更通用的解决方案。我也面临同样的问题。我想将帧捕获到预先分配的numpy数组中。你能告诉我你的解决方案吗？现在，我必须编写一个C扩展来调用C/C++api，并包装一个接受numpy缓冲区指针的新函数。