我有一个函数称为cartoonize(image_path)
,它需要'path/to/image'作为参数。该脚本有点沉重,需要几分钟才能处理1920x1080大小的图像。我试图使用我所有的8 cores
使用multiprocessing module
,但没有性能增益,我看到下面的代码。另一个问题是如何保存图像。它返回一个CV2对象。通常情况下,我通过see below code
将映像保存到磁盘上,但是使用多处理功能时出现错误"img is not a numpy array, neither a scalar."
我还希望获得性能提升,但我无法弄清楚如何有效地执行此操作。使用多处理来处理图像,但没有性能增益与8 cpus
out_final = cartoonize('path/to/image'))
cv2.imwrite('cartoon.png', out_final)
import multiprocessing
if __name__ == '__main__':
# mark the start time
startTime = time.time()
print "cartoonizing please wait ..."
pool = multiprocessing.Pool(processes=multiprocessing.cpu_count())
pool_outputs = pool.apply_async(cartoonize, args=(image_path,))
pool.close()
pool.join()
print ('Pool:', pool_outputs)
# mark the end time
endTime = time.time()
print('Took %.3f seconds' % (startTime - endTime))
多重处理不会像魔术一样自动提升性能。你需要喂它的工作单位。如果你只给它一张图片来处理它可以并行的东西?注意:某些图像处理库能够将单个图像分解为许多工作单元......但这可能不是这种情况。 –
@RalphCaraveo,它很好。我想分解成许多部分,并在此之前分别处理它们。你能给我建议如何保存图片吗?基本上它是一个CV对象,但我在这里接收一个多处理对象。 –
您实际上应该会失去使用该脚本的性能。实际上,对于每个核心,您都将相同的功能应用于相同的整个图像。 –