我目前正在尝试将视频数据馈送到激光器（我们使用激光器进行通信）。激光器通过调制工作，共有2个状态，分别为0和1。因此，为了让我向激光器馈送视频数据，我首先需要将其转换为位。我的帧是从带有openCV的网络摄像机获取的，由2D数组表示，这些数组包含8位整数以获取灰度图像。当前，我将这些数组转换如下：
if __name__ == '__main__':
video = Video()
frame = video.getFrameBits()
Video类定义为：
class Video:
# scale_percent: percent of original size of frame
def __init__(self, scale_percent=100):
self.cap = cv2.VideoCapture(0)
# Get one frame to figure out sizing constraints
_, frame = self.cap.read()
width = int(frame.shape[1] * scale_percent / 100)
height = int(frame.shape[0] * scale_percent / 100)
self.dim = (width, height)
# color: If true show color frames. Not yet implemented
def getFrame(self, color=False):
_, frame = self.cap.read()
frame = cv2.resize(frame, self.dim, interpolation=cv2.INTER_AREA)
if not color:
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
return gray
def getFrameBits(self):
frame = self.getFrame()
for row in frame:
for pixel in row:
frame_bits.append(intToBits(pixel))
return frame_bits
和int到bit的功能如下：
def intToBits(x):
send = str(bin(x).lstrip('0b'))
send = send.zfill(8)
return send
我使用intToBits函数的原因是因为我希望能够采用我调用的这个数组frame，并将其直接送入激光器。在当前的实现中，前导零不会从数组中被截断。所以我得到类似的输出：[10010101,10010100,10010101,10010111,10010110,10010101,10010100,10010001,10010001,01011000,...]
整个代码的问题在于，它在我可用的微控制器上运行太慢。获得一帧大约需要5秒钟，这真是太糟糕了。我的第一个想法是摆脱getFrameBits中的嵌套for循环，如下所示：
frame_bits = [intToBits(pixel) for row in frame for pixel in row]
这确实节省了时间，但是我想看看是否可以进一步改善它。我们仍然需要大约1秒钟来获得帧，这更好，但是我们期望更大的采样率。
我的下一个想法是用C编写代码并在Python中运行，但是我对C不太熟悉。因此，尽管我愿意这样做，但我想确保它是正确的方向。
还有其他一些方法可以优化此代码吗？
谢谢！
伴随着一点点的矢量化-如果已经用C编写的numpy内置的内置代码支持您，则无需编写C代码。
import numpy as np
import cProfile, pstats, io
input_size = 1000000
#since I don't have your image, I made do with a random sample of 8bit numbers.
test_input = np.random.randint(0, 256, input_size)
#to check that we get the correct result, set input_size to 2
#and uncomment the line below
#test_input = [255, 7]
#your function for the speed comparison purposes
def intToBits(x):
send = str(bin(x).lstrip('0b'))
send = send.zfill(8)
return send
#note, that in this case x is the whole array, not just one number
#to make the full use of the vectorization
#also the output is not a bitfield, but a string
#the > 0 at the end is to convert the result into booleans.
#strictly speaking it isn't necessary if you are fine with 0 1 integers.
def binary_repr(x):
return(
np.dstack((
np.bitwise_and(x, 0b10000000) >> 7,
np.bitwise_and(x, 0b1000000) >> 6,
np.bitwise_and(x, 0b100000) >> 5,
np.bitwise_and(x, 0b10000) >> 4,
np.bitwise_and(x, 0b1000) >> 3,
np.bitwise_and(x, 0b100) >> 2,
np.bitwise_and(x, 0b10) >> 1,
np.bitwise_and(x, 0b1)
)).flatten() > 0)
#starting the profiler.
pr = cProfile.Profile()
pr.enable()
#the two computations that we want to compare
a = []
for i in range(input_size):
a.append(intToBits(test_input[i]))
print(a)
b = binary_repr(test_input)
print(b)
#the comparison
sortby = 'cumulative'
pr.disable()
s = io.StringIO()
ps = pstats.Stats(pr, stream=s).sort_stats(sortby)
ps.print_stats()
print(s.getvalue())
为了完整起见，探查器将得出以下结果：
ncalls tottime percall cumtime percall filename:lineno(function)
1000000 0.577 0.000 0.920 0.000 (intToBits)
2 0.195 0.098 0.195 0.098 {built-in method builtins.print}
1000000 0.125 0.000 0.125 0.000 {method 'lstrip' of 'str' objects}
1000000 0.119 0.000 0.119 0.000 {built-in method builtins.bin}
1000000 0.099 0.000 0.099 0.000 {method 'zfill' of 'str' objects}
1000008 0.082 0.000 0.082 0.000 {method 'append' of 'list' objects}
1 0.030 0.030 0.062 0.062 (binary_repr)
如您所见，即使生成数据也比切换到按位表示形式花费更多的时间。尽管由于输出格式有点不同（一个大型数组而不是数组数组），您将需要对其进行一些修改以适合您的代码，但这样做值得。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句