pil-python多图像独立绘制_Python_Python 2.7_Optimization_Python Imaging Library_Draw

pil-python多图像独立绘制

python python-2.7 optimization

pil-python多图像独立绘制,python,python-2.7,optimization,python-imaging-library,draw,Python,Python 2.7,Optimization,Python Imaging Library,Draw,我有一个数据库，其中有（x，y）点随时间收集，用于在图像上绘图。为了更好地表示数据，我想在（x，y）坐标上生成图像的帧加上一个圆，当它们出现时。我用下面的代码成功地做到了这一点，但在我看来，这需要花费太多的时间（视频长度为4250帧，必须多次进行，以便进行单独的数据收集）。我正在寻找的是一个可能的优化使用的图像加载最初在内存中，所以它不是再次加载每一帧，而是一劳永逸 subprocess.call(['mkdir', install_path + 'users/' + user.name + '

我有一个数据库，其中有（x，y）点随时间收集，用于在图像上绘图。为了更好地表示数据，我想在（x，y）坐标上生成图像的帧加上一个圆，当它们出现时。我用下面的代码成功地做到了这一点，但在我看来，这需要花费太多的时间（视频长度为4250帧，必须多次进行，以便进行单独的数据收集）。我正在寻找的是一个可能的优化使用的图像加载最初在内存中，所以它不是再次加载每一帧，而是一劳永逸

subprocess.call(['mkdir', install_path + 'users/' + user.name + '/temp'])
# creates a temporary folder for the pngs generated
r = 8

for i in range(0, 4250, 1):
    valaro = Image.open('pngs/valaro_800.png')
    draw = ImageDraw.Draw(valaro)
    for d in data:
        if (d.reeltime + 5) * 25 > i > (d.reeltime - 5) * 25:
            # interpret the data to fit on the picture
            xl = d.x * 2.91 + 392
            yl = d.y * -3.06 + 434

            draw.ellipse((xl - r, yl - r, xl + r, yl + r), fill='green')
    valaro.save('users/' + user.name + '/temp/' + user.name + str(i) + '.png')

提前感谢您的回复

您可以更改

for i in range(0, 4250, 1):
    valaro = Image.open('pngs/valaro_800.png')

…到

original = Image.open('pngs/valaro_800.png')
for i in range(0, 4250, 1):
    valaro = original.copy()

…因此映像只加载一次，但我怀疑这只会带来较小的性能提升。

您可以更改

for i in range(0, 4250, 1):
    valaro = Image.open('pngs/valaro_800.png')

…到

original = Image.open('pngs/valaro_800.png')
for i in range(0, 4250, 1):
    valaro = original.copy()

…因此映像只加载一次，但我怀疑这只会带来较小的性能提升。

感谢您的回复，刚刚测试了差异：在i7 3630QM/16Gio的RAM上获得31秒（2米29秒vs.3米1秒）。实际上还不错，但我不知道我们是否可以用相同的包和语言配置来进一步推动工作。@Xander我怀疑大部分时间都花在

valaro.save（）

调用上，如果像你说的那样，它必须将4250个PNG文件写入磁盘。我假设这些文件只是作为另一个创建视频文件的工具的临时输入。根据视频需要的格式，可能有更好的方法。无论哪种方式，如果临时文件存储在.NET上，您可能会获得更显著的性能提升。我使用ffmpeg和覆盖过滤器来显示与原始视频同步的图表上收集的数据。对视频格式没有特别的需求，我可以做封装在.MOV容器中的PNG，但最终MOV/H.264会节省空间。我想我们可以在RAM中生成所有PNG，直接生成MOV/PNG文件，然后在MOV/H.264中重新编码以节省空间。如果python和PIL允许我进行这样的内存操作。@Xander根据输入PNG文件的内容，您可能会得到更小的（无损）结果。如果PNG主要由实心颜色块组成，可以有效地进行渲染，那么通常会得到比AIUI更好的效果，也就是说，H.264的效果。好吧，除了4个笑脸，“valaro”基本上是白色背景上的2轴。RLE似乎是一种很好的可能性，但要叠加的背景视频要复杂得多。但我想ffmpeg可以很容易地处理这两种格式的合成，并且支持APNG解码。因此，图上的数据表示将是APNG，然后将其与ffmpeg合成。非常感谢您的灯光：）感谢您的回复，刚刚测试了差异：在i7 3630QM/16Gio内存上获得31秒（2米29秒vs.3米1秒）。实际上还不错，但我不知道我们是否可以用相同的包和语言配置来进一步推动工作。@Xander我怀疑大部分时间都花在

valaro.save（）