Python 如何使cv2.filter2D更快？

我正在做一个项目，我必须用颜色作为物体的特征表示来检测和跟踪小型汽车（见下图）。对于检测，我使用了直方图反投影 见：

对于跟踪，我使用了KCF（核化相关滤波器）

如果我们看一下检测算法的步骤，它在获得概率分布的二值图像后应用

cv2.filter2D

函数以及一些逻辑操作，如打开、关闭等，以改进检测和去除噪声

当我运行代码时，我注意到当检测发生时（每20帧），进程稍微挂起或在检测时刻变得缓慢

负责检测的代码是：

def back_projectcam1(histm,hsv_histt,hsvt): #hist: model histogram, hsv_histt: target image 
 histogram, hsvt: hsv image of the target image
 track_track=None
 Mask = cv2.calcBackProject([hsvt],[0,1],histm,[0,180,0,256],1)
 Open=cv2.morphologyEx(Mask,cv2.MORPH_OPEN,kernel1)
 Filter=cv2.filter2D(Open,-1,kernel3,Open)
 Close=cv2.morphologyEx(Filter,cv2.MORPH_CLOSE,kernel1)
 _,thresh = cv2.threshold(Close,10,255,cv2.THRESH_BINARY)
 #dilation = cv2.dilate(thresh,kernel1,iterations = 1)
 
 contours =cv2.findContours(Mask, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
 if contours[2] is not None:
  cntss = imutils.grab_contours(contours)
  cnt=max(cntss, key=cv2.contourArea) 
  x,y,w,h = cv2.boundingRect(cnt)
  track_track=x,y,w,h
 return track_track,thresh

我发现方法cv2.filter2D是导致检测时刻出现这种延迟的原因（这是合乎逻辑的，因为卷积在计算上很麻烦）

然而，过滤步骤对于更好的检测结果非常重要，这就是为什么我不能简单地删除它

下面的图像正在进行过滤：

下图未使用2D过滤

所以，我只是想通过加快过滤速度来提高整体性能（检测和跟踪）

那么有什么方法可以让这个方法工作得更快吗？

未经任何处理生成的遮罩图像

---

我不明白为什么

filter2d（）

会比形态学的打开和关闭慢。什么是

kernel1

和

kernel3

？@烧杯。谢谢你的回复。kernel1=cv2.getStructuringElement（cv2.MORPH_RECT，（3,3））--kernel3=cv2.getStructuringElement（cv2.MORPH_RECT，（5,5））本质上，您使用

filter2d（）

所做的一切都是另一种扩展。膨胀将像素的值设置为内核窗口内的最大值，如果像素的任何相邻像素都不为零，则使用所有1的内核进行过滤将像素设置为非零值。您可以尝试用

cv.deflate（）

替换

filter2d（）

，看看是否得到类似的结果。如果是这样，那么您可以将

morphologyEx（）

操作分解为侵蚀，然后是3次扩张迭代，最后是侵蚀。我试着用扩张代替cv2.filter2D，结果更糟。我也试过你关于扩张的建议，然后是扩张的3次迭代，然后是侵蚀。它也不会给出至少与Filter2D相同的结果！你能发布你正在使用的

Mask

图像以便我们重现问题吗？