优化性能-使用Python优化OpenCV和线程

我在使用OpenCV3.2和Python时遇到了与性能相关的问题。我刚刚将另一个子系统集成到我的主程序中，速度慢了很多

这是我的初始代码，没有集成新的子系统，我使用

cv2.getTickCount

来测量时间，如所建议的

基本上，我在无限循环中调用一个函数来查找红色，然后按start创建线程，游戏开始

这是在按下“S”键创建线程之前所需的时间：

0.019336862
0.016924178
0.022487864

0.091731532
0.125760734
0.098221829

0.045629524
0.023788123
0.10517206

这是在按下“S”键创建线程后所需的时间：

0.019336862
0.016924178
0.022487864

0.091731532
0.125760734
0.098221829

0.045629524
0.023788123
0.10517206

这里一切都很好，时间上有轻微的变化，但没什么太重要的。当我添加新的子系统时，我开始出现问题。下面的代码与新系统集成后，与前一个代码相同，只是一个函数调用发生了变化：

# Infinite loop
    while True:
        # getting tick count
        e1 = cv2.getTickCount()
        # storing frame
        _, img = cap.read()
        # extract grid
        gridExtractor.extractGrid(img)
        # define red colours in the screen
        findRedColours(img, board)
        # getting tick count after the functions
        e2 = cv2.getTickCount()
        # calculating time
        t = (e2 - e1) / cv2.getTickFrequency()
        # print time
        print(t)

        # check if img is none
        if img is not None:
            # omitted code

            k = cv2.waitKey(20) & 0xFF
            # start the game, hide info
            if (k == ord('s') or k == ord('S')) and start is False:
                # create new thread to play game
                t = Thread(target=playGame)
                t.start()

这是我创建线程之前的时间：

0.019336862
0.016924178
0.022487864

0.091731532
0.125760734
0.098221829

0.045629524
0.023788123
0.10517206

它比没有集成的略高，但仍然可以。以下是我创建线程后的时间：

1.061517957
0.568310864
0.691701059

这一次和前一次有很大的不同，甚至达到了整整一秒。即使是从相机输出中也可以看到，速度非常慢

我的问题是，我是否以错误的方式创建线程？有更好更有效的方法来使用线程吗？或者，在这种情况下，是否有一种方法可以优化性能，而不必修改这些函数

findredclours（img，board）

，

t=Thread（target=playGame）

，

gridExtractor.extractGrid（img）

---

我刚开始使用OpenCV和Python，但仍然有一些问题。希望有人能用正确的方式称呼我。谢谢

多亏了用户“deets”在上面的评论，才有可能优化性能

在这种情况下，在Python中用模块中的进程替换线程就足够了

from multiprocessing import Process
#omitted code

while True:
    # getting tick count
    e1 = cv2.getTickCount()
    # storing frame
    _, img = cap.read()
    # extract grid - first subsystem
    gridExtractor.extractGrid(img)
    # define red colours in the screen - second subsystem
    findRedColours(img, board)
    # getting tick count after the functions
    e2 = cv2.getTickCount()
    # calculating time
    t = (e2 - e1) / cv2.getTickFrequency()
    # print time
    print(t)

    # check if img is none
    if img is not None:
        # omitted code

        k = cv2.waitKey(20) & 0xFF
        # start the game, hide info
        if (k == ord('s') or k == ord('S')) and start is False:
            # create new thread to play game
            p = Process(target=playGame)
            p.start()

所需的相对时间为：

0.022570883
0.11354852
0.119643379

---

与线程相比，进程的使用在性能方面更加有效。

多亏了用户“deets”的帮助，上面的评论使得优化性能成为可能

在这种情况下，在Python中用模块中的进程替换线程就足够了

from multiprocessing import Process
#omitted code

while True:
    # getting tick count
    e1 = cv2.getTickCount()
    # storing frame
    _, img = cap.read()
    # extract grid - first subsystem
    gridExtractor.extractGrid(img)
    # define red colours in the screen - second subsystem
    findRedColours(img, board)
    # getting tick count after the functions
    e2 = cv2.getTickCount()
    # calculating time
    t = (e2 - e1) / cv2.getTickFrequency()
    # print time
    print(t)

    # check if img is none
    if img is not None:
        # omitted code

        k = cv2.waitKey(20) & 0xFF
        # start the game, hide info
        if (k == ord('s') or k == ord('S')) and start is False:
            # create new thread to play game
            p = Process(target=playGame)
            p.start()

所需的相对时间为：

0.022570883
0.11354852
0.119643379

---

与线程相比，进程的使用在性能方面要高效得多。

我说得对吗，如果按了“s”，你每20毫秒启动一个线程？不，我只在按了“s”键后创建一次线程。我发现你的描述很难理解，但有一件事突然出现：如果你尝试使用线程来提高性能，这将在Python中失败。它使用GIL（全局解释器锁），有效地只允许一个线程运行。可以使用线程，它们在等待阻塞IO时很有用-但是如果您想使用多个内核，请使用多进程和进程间通信（请参阅多进程模块）。我是否正确，如果按下“s”，每20毫秒启动一个线程？否，我只在按下“S”键后创建了一次线程。我发现您的描述很难理解，但有一件事突然出现：如果您尝试使用线程来提高性能，这在Python中会失败。它使用GIL（全局解释器锁），有效地只允许一个线程运行。可以使用线程，它们在等待阻塞IO时很有用，但如果您想使用多个内核，请使用多进程和进程间通信（请参阅多进程模块）