使用Python解析像素数据的最有效/最快速的方法？

我创建了一个简单的Python脚本，每当特定程序运行时，它就会被激活。该程序将信息发送到屏幕，脚本需要获取并分析这些信息

脚本的部分逻辑可以表示为：

while a certain condition is met:
    function to continuously check pixel information on a fixed area of the screen()
    if pixel data (e.g. RGB) changes:
        do something
    else:
        continues to check

我已经找到了一种能做到这一点的方法，但并没有我想要的那么快。 下面是一个使用具有任意值的Python映像库（PIL）的解决方案：

import ImageGrab

box = (0,0,100,100) # 100x100 screen area to capture (0x0 is top left corner)
pixel = (60,20) #target pixel coordenates (must be within the box's boundaries)
im = ImageGrab.grab(box) #grabs the image area (aka printscreen) -> source of bottleneck
hm = im.getpixel(pixel) # gets pixel information from the captured image in the form of an RGB value

然后，我可以获取该RGB值，并将其与函数获得的上一个值进行比较。如果它改变了，那么屏幕上会发生一些事情，这意味着程序做了一些事情，因此脚本可以相应地运行。 但是，脚本需要快速反应，特别是因为这只是一个更大的函数的一部分，有其自身的复杂性和缺陷，所以我正在一点一点地优化代码，从这里开始

此解决方案将脚本限制在i7 4770k cpu上每秒约30次迭代。看起来很快，但是添加其他函数，它们本身以类似的速率解析像素信息，事情开始累积起来。我的目标是在单个函数上每秒至少迭代200次，也许150次，这样最终脚本可以每秒运行5-10次

---

那么，长话短说：还有什么其他方法可以更快地解析屏幕上的像素呢？

实际上，您不应该像评论中所说的那样，在Python循环中逐像素检查。 您可以尝试Pypy—使用适当的数据结构和Pypy，使用纯Python代码和逐像素数据可以提高10倍

---

但是，通常的做法是让Python在本机代码中调用库来执行像素操作。PIL和Numpy就是这样的库——例如，在Python中，您应该做的不是检查每个像素的值，而是让图像矩形区域彼此相减，这样您就可以得到一个包含不同像素的矩阵，然后使用Numpy根据需要处理这些差异。这会很快，而且您仍然可以使用Python来完成所有需要的高级功能。

好吧，经过一些挖掘，事实证明，使用Python和简单的pywin32模块（感谢Mark Hammond）确实可以实现我想要的功能。没有必要使用“更强硬”的语言，也没有必要将工作外包给numpy等等。 这是5行代码（6行带导入）：

就这样。它将在每次迭代中返回所选像素的一个数字（COLORREF），这是表示颜色的一种方式（就像RGB或十六进制），最重要的是，我可以解析数据！ 如果您不相信我的桌面pc上有一些基准测试（标准Python构建CPython和i7 4770k）：

我以前的解决方案围绕着一个虚拟秒表（请自行运行并检查）：

导入图像抓取，时间
盒子=（0,0100100）#100 x 100方形盒子
像素=（60,20）#像素坐标（必须在框的边界内）
t1=时间。时间（）
计数=0
当计数小于1000时：
s=图像抓取。抓取（框）#抓取图像区域
h=s.getpixel（pixel）#获取像素RGB值
计数+=1
t2=时间。时间（）
tf=t2-t1
it_per_sec=int（计数/tf）
打印（str（每秒打印次数）+“每秒迭代次数”）

每秒获得29次迭代。让我们用这个作为我们比较的基本速度

以下是BenjaminGolder使用ctypes提出的解决方案：

from ctypes import windll
import time
dc= windll.user32.GetDC(0)
count = 0
t1 = time.time()
while count < 1000:
    a= windll.gdi32.GetPixel(dc,x,y)
    count += 1
t2 = time.time()
tf = t2-t1
print int(count/tf)

从ctypes导入Windell
导入时间
dc=windell.user32.GetDC（0）
计数=0
t1=时间。时间（）
当计数小于1000时：
a=windell.gdi32.GetPixel（dc，x，y）
计数+=1
t2=时间。时间（）
tf=t2-t1
打印整数（计数/tf）

平均每秒54次迭代。这是一个奇特的86%的改进，但它不是我所期望的数量级改进

最后，它来了：

name = "Python 2.7.6 Shell" #just an example of a window I had open at the time
w = win32ui.FindWindow( None, name )
t1 = time.time()
count = 0
while count < 1000:
    dc = w.GetWindowDC()
    dc.GetPixel (60,20)
    dc.DeleteDC()
    count +=1
t2 = time.time()
tf = t2-t1
it_per_sec = int(count/tf)
print (str(it_per_sec) + " iterations per second")

name=“Python 2.7.6 Shell”#只是我当时打开的一个窗口的示例
w=win32ui.FindWindow（无，名称）
t1=时间。时间（）
计数=0
当计数小于1000时：
dc=w.GetWindowDC（）
dc.GetPixel（60,20）
dc.DeleteDC（）
计数+=1
t2=时间。时间（）
tf=t2-t1
it_per_sec=int（计数/tf）
打印（str（每秒打印次数）+“每秒迭代次数”）

一个需要像素的脚本大约每秒16000次迭代。是的，16000。这比以前的解决方案至少快了两个数量级，而且大大提高了29600%。 它的速度如此之快，以至于计数+=1的增量会减慢速度。 我对100k次迭代做了一些测试，因为1000次对于这段代码来说太低了，平均值保持大致相同，14-16k次/秒。它也在7-8秒内完成了任务，而之前的那些是在我开始写这篇文章时开始的，并且。。。他们还在继续

---

好了，就这样！希望这能帮助任何有类似目标和面临类似问题的人。请记住，Python会找到方法。

Python不是这项工作的工具。实时图形处理需要一个BeEver语言，如C++。即使你不受处理代码性能的限制，在大多数窗口系统中，抓取屏幕的一部分也是一个缓慢的操作。@Daniel Shaw：看看这个问题：@nightcracker好吧，那只是。。。令人沮丧的。“肯定有办法至少快一点。”DanielShaw不是来自Python。您最终将调用特定于C API操作系统的代码来加速抓取屏幕的一部分，虽然这可以通过Python使用

ctypes

，但基本上是伪装成C。在Python中，这方面的优秀库有点不足，但我认为一个主要原因是，无论如何，您都无法用Python快速处理生成的屏幕抓图。@BenjaminGolder我用该解决方案获得48-52次迭代/秒。所以速度提高了60%，这是一个开始，但我一直在寻找

from ctypes import windll
import time
dc= windll.user32.GetDC(0)
count = 0
t1 = time.time()
while count < 1000:
    a= windll.gdi32.GetPixel(dc,x,y)
    count += 1
t2 = time.time()
tf = t2-t1
print int(count/tf)

name = "Python 2.7.6 Shell" #just an example of a window I had open at the time
w = win32ui.FindWindow( None, name )
t1 = time.time()
count = 0
while count < 1000:
    dc = w.GetWindowDC()
    dc.GetPixel (60,20)
    dc.DeleteDC()
    count +=1
t2 = time.time()
tf = t2-t1
it_per_sec = int(count/tf)
print (str(it_per_sec) + " iterations per second")