Python 矩形的屏幕截图颜色平均

我编写了一个快速python脚本来返回屏幕周边矩形的平均颜色。（这里的最终目标是让我的显示器周围有一个发光的效果，就像电影一样，但更有趣，因为我自己做的）

我目前使用的是获取屏幕位图（“屏幕截图”），获取每个像素值，以及RGB十六进制转换

简化版：

step = 1
width = 5
height = 5

b = autopy.bitmap.capture_screen()

for block in border_block(width, height): # for each rectangle around the perimeter of my screen

    R,G,B = 0,0,0
    count = 0

    for x in xrange(block.x_min, block.x_max, step):
        for y in xrange(block.y_min, block.y_max, step):
            r,g,b = autopy.color.hex_to_rgb(image.get_color(x, y))
            R += r; G += g; B += b
            count += 1

   block.colour = "#{:06x}".format(autopy.color.rgb_to_hex(R/count,G/count,B/count))

然后，我使用

matplotlib

：显示块（配置为5x5块，步骤=1）

问题在于实现速度——因为这是一个块中每个像素的循环（2560*1600分辨率/5=320*512块=163840像素/块），以及周长周围的每个块（16*163840=2621440循环）。总的来说，这需要2.814秒才能完成

如果我增加步长值，它会加快速度，但这还不够：（这是在边界周围使用更真实的15x10块）

这是因为屏幕截图本身大约需要0.070秒——这意味着我被限制在每秒12.8帧

>>> timeit.Timer("autopy.bitmap.capture_screen()", "import autopy").timeit(100)/100
0.06874468830306966

问题：

• 有没有更快的截图和平均屏幕区域的方法
  我不太担心准确性，但希望能够以大约30 FPS的速度返回这些值，最好更快（20-30 ms），以考虑串行传输开销。请记住，我的屏幕分辨率是2560*1600
  我听说过，但还没有时间研究

  ImageGrab

  函数的速度，但它看起来很有前途

• 我可以直接从GPU读取像素值吗

• 另一个想法-检测电影上/下边缘的最佳方法是什么？（如果纵横比是宽屏的，屏幕截图的顶部/底部有黑色条，一些矩形是黑色的）

---

使用PIL的抓斗（）：

>>> timeit.Timer("ImageGrab.grab()", "from PIL import ImageGrab").timeit(100)/100
0.1099840205312789

---

PIL-调整大小：（克里斯托弗）

注意：这是对上述结果的改进，但我们仍然限制为9 FPS，或3 FPS，具有完全抗锯齿

---

PIL-最近然后调整大小：（标记赎金）

结果:

Step  Time(s)
1     0.333048412226
2     0.16206895716
5     0.117172371393
10    0.102383282629
15    0.101844097599
20    0.101229094581
50    0.100824552193

比使用顶部的

autopy

手动循环快得多，但我们仍然限制在~9 FPS（以10为“步长”）

注意：这不包括所需的RGB到十六进制的转换

---

---

有人能想出一个更快的方法吗？例如，拍摄部分屏幕截图？我应该用C写点什么吗？

快速的成功方法是对5x5图像使用

调整大小

操作（在PIL中）（可以使用简单的插值来提高速度），而不是平均区域，例如：

myimg = ImageGrab.grab()
resized = myimg.resize((5, 5), Image.NEAREST) 

这将产生与自己进行平均工作大致相同的效果

---

虽然不能确定PIL的ImageGrab的速度（以及它与autopy相比的速度），但很容易尝试找到它。

使用Python图像库。从（图像模块中的）：

getcolors

im.getcolors（）=>一个（计数、颜色）元组列表或无元组列表

im.getcolors（maxcolors）=>一个（count，color）元组列表或无元组列表

（1.1.5中新增）返回（计数，颜色）元组的未排序列表，其中计数是相应颜色在图像中出现的次数

图像模块还包含一个crop（）方法，可用于将每个矩形插入getcolors（）。你可以很容易地从中得出加权平均值

它应该比在python中手动运行循环快得多。我不确定它是否足够快，可以实时使用，但你会得到惊人的速度提升。您还可以每秒拍摄几次屏幕截图，因为可能以60 fps和10 fps的速度向LED发送信号不会特别明显。不要将其视为“限制为12.8 FPS”，而应将其视为“每5帧只能更新一次LED”，这应该不是一个明显的区别

---

编辑：如果你真的对这里的进一步优化感兴趣，我想你会发现这很有帮助。

要加快调整大小的操作，你可以分两步来完成。对第一个使用“最近”以尽可能快的方式减少像素数，然后使用“反别名”将这些像素合并到具有代表性的样本中。这相当于您之前使用PIL函数试验的步长

PIL.ImageGrab.grab().resize((150, 100), PIL.Image.NEAREST).resize((15, 10), PIL.Image.ANTIALIAS)

---

我更新了我的问题-看起来像

ImageGrab.grab（）

平均需要0.116秒，大约是

autopy.bitmap.capture\u screen（）的1.6倍。调整大小稍微快一点，不知道为什么。使用
Image.NEAREST
根本不进行任何平均-它只是从多个像素中选择一个像素。无法保证它所选择的像素将代表该区域。@Markransem很好-我已经用另一种调整大小的方法更新了我的问题
timit
sI已经更新了我的问题-看起来像
ImageGrab.grab（）
平均需要0.109s-仅9 FPS！我意识到9fps和30fps之间的视觉差异将是最小的，但是优化代码是一个有趣的挑战，对吗？有趣，根本不是我所期望的。我已经链接到一些似乎表现更好的东西，尽管我自己还没有测试过。感谢链接Robert，我将尝试一下gtk！我将在这里发回我的结果。它看起来是关闭的，我将稍后再试一次。
调整大小
中使用的大多数模式都会产生很差的结果，因为它们没有采样足够的像素，这就是为什么它们的速度如此接近。最近值取1，双线性取2x2，双三次取3x3。这比ANTIALIAS将使用的170x160远得多。@MarkRansom啊，谢谢你的解释。有趣的是，可以看到使用autopy（1.35s）手动循环与PIL的ANTIALIAS（0.326s）之间的区别——改进了很多！就个人而言，如果PIL还没有这样做的话，这似乎是一个明显的并行化候选。如果
Step  Time(s)
1     0.333048412226
2     0.16206895716
5     0.117172371393
10    0.102383282629
15    0.101844097599
20    0.101229094581
50    0.100824552193

myimg = ImageGrab.grab()
resized = myimg.resize((5, 5), Image.NEAREST) 

PIL.ImageGrab.grab().resize((150, 100), PIL.Image.NEAREST).resize((15, 10), PIL.Image.ANTIALIAS)