如何加快视频处理速度：python 导入时间 进口皮卡梅拉 导入picamera.array 将numpy作为np导入 进口cv2 clahe=cv2.createCLAHE（clipLimit=8，tileGridSize=（4,4）） 使用picamera.picamera（）作为摄影机： 以picamera.array.PiRGBArray（摄像头）作为流： 相机分辨率=（320240） 尽管如此： camera.capture（流，'bgr'，使用\u video\u port=True） med1=cv2.medianBlur（流数组，5） med3=分类应用（med1） img1=med3 高度、宽度=med3.1形状 对于范围内的i（0，高度）： 对于范围（0，宽度）内的j： 如果（（img1[i，j]>=[75,75,75]）.all（）和（img1[i，j]=[125125125]）.all（）和（img1[i[140140]）.all（））： med3[i，j]=med3[i，j]+2 cv2.imshow（'img.jpg'，med3） cv2.等待键（100） 如果cv2.waitKey（1）&0xFF==ord（'a'）： cv2.imwrite（'2015\u 01\u 05\u 43.jpg'，med2） cv2.imwrite（'2015\u 01\u 05\u 44.jpg'，med3） 如果cv2.waitKey（1）&0xFF==ord（'q'）： 打破 stream.seek（0） stream.truncate（）

我试图为每一帧处理视频中的一些像素。该过程正在运行。但输出速度太慢。我知道这是因为它必须扫描每一帧的所有像素。有人能帮助以更快的方式执行相同的过程吗。有没有其他解决方案解决此问题。

这似乎是您的第一选择应该使用一个numpy数组，使用numpy的切片和广播功能，而不是通过像素进行迭代。这基本上是相同的，但在numpy的c代码级别，这是针对这些事情进行优化的。 例如，具有第一个条件的循环可以替换为：

import time
import picamera
import picamera.array
import numpy as np
import cv2

clahe = cv2.createCLAHE(clipLimit= 8, tileGridSize=(4,4))

with picamera.PiCamera() as camera:
with picamera.array.PiRGBArray(camera) as stream:
    camera.resolution = (320,240)

    while True:
        camera.capture(stream,'bgr',use_video_port=True)
        med1 = cv2.medianBlur(stream.array,5)
        med3 =clahe.apply(med1)
        img1=med3
        height, width = med3.shape
        for i in range(0,height):
            for j in range(0,width):
                if ((img1[i, j] >= [75,75,75]).all() and (img1[i, j] <[110,110,110]).all()):
                    med3[i,j]= med3[i,j]-8
                elif((img1[i, j] >= [125,125,125]).all() and (img1[i, [140,140,140]).all()):
                    med3[i,j]= med3[i,j]+2
        cv2.imshow('img.jpg',med3)
        cv2.waitKey(100)
        if cv2.waitKey(1) & 0xFF == ord('a'):
            cv2.imwrite('2015_01_05_43.jpg',med2)
            cv2.imwrite('2015_01_05_44.jpg',med3)

        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
        stream.seek(0)
        stream.truncate()

---

img1[（img1>=[75,75,75]）&（img1 1.尝试超频Pi；2.尝试使用OpenCv而不是picamera 3.读取/打开摄像头流。看看是否可以用预构建、优化的numpy（例如）矩阵操作替换嵌套的
for
循环。这行代码似乎很棒。但当我使用时，它遇到了错误“操作数无法与形状[240320]（3）一起广播。如果不亲自调试实际对象，我无法确定。但基本上，它抱怨img1的结构（其形状）和[75,75,75]的结构。”。例如，您可以尝试将其与75和110进行比较。有关其他选项，请阅读有关numpy广播的更多信息。
img1[(img1 >= [75,75,75]) & (img1 <= [110,110,110])] -= 8