首先是一些上下文：我正在嘗試寫下一個 python 腳本，將灰度 (.tif) 中的圖像轉換為具有所謂“jet”顏色圖的 .jpeg。我設法用 for 循環來做到這一點，但對于一張圖像（處理數百萬像素?。﹣碚f有點長，所以我想使用多處理。我的問題是，要將每個灰色像素轉換為彩色像素，我必須使用兩個變量（光強度的最小值“min_img”和向量“dx_cm”從初始灰度到 256比例，對應于 jet 顏色圖）。因此，為了將“min_img”和“dx_cm”的信息傳遞給進程，我嘗試使用 multiprocessing.Value() 但作為回報，我得到了錯誤：RuntimeError: Synchronized objects should only be shared between processes through inheritance我嘗試了來自不同來源的許多不同的東西，無論我的代碼版本如何，我都在為該錯誤而苦苦掙扎。因此，如果我的代碼不干凈，我很抱歉，如果有人可以幫助我，我將不勝感激。我的非工作代碼：import multiprocessingfrom PIL import Imagefrom matplotlib import cmdef fun(gr_list,dx,minp): dx_cmp = dx.value min_imgp = minp.value rgb_res=list() for i in range(len(gr_list)): rgb_res.extend(cm.jet(round(((gr_list[i]-min_imgp)/dx_cmp)-1))[0:-1]) return rgb_resif __name__ == '__main__': RGB_list=list() n = multiprocessing.cpu_count() img = Image.open(r'some_path_to_a.tif') Img_grey=list(img.getdata()) dx_cm = multiprocessing.Value('d',(max(Img_grey)-min(Img_grey))/256) min_img = multiprocessing.Value('d',min(Img_grey)) with multiprocessing.Pool(n) as p: RGB_list = list(p.map(fun, (Img_grey,dx_cm,min_img))) res = Image.frombytes("RGB", (img.size[0], img.size[1]), bytes([int(0.5 + 255*i) for i in RGB_list])) res.save('rgb_file.jpg')PS：這是我想要并行化的初始 for 循環的示例：from PIL import Imagefrom matplotlib import cmif __name__ == '__main__': img = Image.open(r'some_path_to_a.tif') Img_grey = list(img.getdata()) dx_cm = (max(Img_grey)-min(Img_grey))/256 min_img = min(Img_grey) Img_rgb = list() for i in range(len(Img_grey)): Img_rgb.extend(cm.jet(round(((Img_grey[i]-min_img)/dx_cm)-1))[0:-1]) res = Image.frombytes("RGB", (img.size[0], img.size[1]), bytes([int(0.5 + 255*i) for i in Img_rgb])) res.save('rgb_file.jpg')
2 回答
梵蒂岡之花
TA貢獻1900條經驗 獲得超5個贊
您的fun方法正在遍歷某個列表，但在這種情況下，它將接收一個“部分”，即您列表中的一個項目，因此它應該只返回其處理結果。
我已將工作代碼更改為與多處理一起運行。
由于該fun方法返回一個列表，因此p.map將返回一個列表列表（結果列表）并且需要展平，extends之前使用 list方法完成。
嘗試使用進程池和線程池多處理，在我的場景中沒有任何性能提升。
進程多處理：
from PIL import Image
from matplotlib import cm
import multiprocessing
def fun(d):
part, dx_cm, min_img = d
return cm.jet(round(((part-min_img)/dx_cm)-1))[0:-1]
if __name__ == '__main__':
img = Image.open(r'a.tif')
Img_grey = list(img.getdata())
def Gen(img_data):
dx_cm = (max(img_data)-min(img_data))/256
min_img = min(img_data)
for part in img_data:
yield part, dx_cm, min_img
n = multiprocessing.cpu_count()
with multiprocessing.Pool(n) as p:
Img_rgb = [item for sublist in p.map(fun, Gen(Img_grey)) for item in sublist]
res = Image.frombytes("RGB", (img.size[0], img.size[1]), bytes([int(0.5 + 255*i) for i in Img_rgb]))
res.save('b.jpg')
線程多處理：
from PIL import Image
from matplotlib import cm
import multiprocessing
from multiprocessing.pool import ThreadPool
if __name__ == '__main__':
img = Image.open(r'a.tif')
Img_grey = list(img.getdata())
dx_cm = (max(Img_grey)-min(Img_grey))/256
min_img = min(Img_grey)
def fun(part):
return cm.jet(round(((part-min_img)/dx_cm)-1))[0:-1]
n = multiprocessing.cpu_count()
with ThreadPool(n) as p:
Img_rgb = [item for sublist in p.map(fun, Img_grey) for item in sublist]
res = Image.frombytes("RGB", (img.size[0], img.size[1]), bytes([int(0.5 + 255*i) for i in Img_rgb]))
res.save('b.jpg')
心有法竹
TA貢獻1866條經驗 獲得超5個贊
因此，對于多處理而言，計算負擔似乎還不夠大。
盡管如此，對于那些對我的問題的圖像處理部分感興趣的主題的人，我發現了另一種更快的方法（比以前的方法快 15 到 20 倍）在沒有 for 循環的情況下做同樣的事情：
from matplotlib import cm
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import make_axes_locatable
import numpy as np
from PIL import Image
cm_jet = cm.get_cmap('jet')
img_src = Image.open(r'path to your grey image')
img_src.mode='I'
Img_grey = list(img_src.getdata())
max_img = max(Img_grey)
min_img = min(Img_grey)
rgb_array=np.uint8(cm_jet(((np.array(img_src)-min_img)/(max_img-min_img)))*255)
ax = plt.subplot(111)
im = ax.imshow(rgb_array, cmap='jet')
divider = make_axes_locatable(ax)
cax_plot = divider.append_axes("right", size="5%", pad=0.05)
cbar=plt.colorbar(im, cax=cax_plot, ticks=[0,63.75,127.5,191.25,255])
dx_plot=(max_img-min_img)/255
cbar.ax.set_yticklabels([str(min_img),str(round(min_img+63.75*dx_plot)),str(round(min_img+127.5*dx_plot)),str(round(min_img+191.25*dx_plot)), str(max_img)])
ax.axes.get_xaxis().set_visible(False)
ax.axes.get_yaxis().set_visible(False)
plt.savefig('test_jet.jpg', quality=95, dpi=1000)
添加回答
舉報
0/150
提交
取消