要求时间复杂度和空间复杂度低，python摄像头一直打开，在其轮廓周长大于1/2时，开始采集从这一时刻开始到3秒后结束采集坐标点或者前100帧的所有图像左极值点，并将所有左极值点垂直像素进行排序，分别求出纵坐标和横坐标的最大值和最小值之差，，然后将差值显示

在屏幕上。

以下是一个可能的实现：

import cv2
import numpy as np
import time

# 打开摄像头
cap = cv2.VideoCapture(0)

# 初始化轮廓周长和左极值点列表
contour_len = 0
leftmost_pts = []

# 开始时间
start_time = time.time()

# 循环获取帧
while True:
    # 读取一帧
    ret, frame = cap.read()

    # 如果读取失败，退出循环
    if not ret:
        break

    # 将帧转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 进行边缘检测
    edges = cv2.Canny(gray, 100, 200)

    # 寻找轮廓
    contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

    # 如果存在轮廓
    if contours:
        # 找到最大的轮廓
        contour = max(contours, key=cv2.contourArea)

        # 计算轮廓周长
        contour_len = cv2.arcLength(contour, True)

        # 如果轮廓周长大于1/2，说明开始采集
        if contour_len > 0.5 * frame.shape[0]:
            # 如果是第一次开始采集，记录开始时间
            if not leftmost_pts:
                start_time = time.time()

            # 获取当前帧的左极值点
            leftmost_pt = tuple(contour[contour[:, :, 0].argmin()][0])
            leftmost_pts.append(leftmost_pt)

            # 如果已经采集了100个左极值点或者采集时间已经超过3秒，则结束采集
            if len(leftmost_pts) >= 100 or time.time() - start_time >= 3:
                break

# 关闭摄像头
cap.release()

# 如果采集到了左极值点
if leftmost_pts:
    # 将所有左极值点按纵坐标排序
    leftmost_pts = sorted(leftmost_pts, key=lambda pt: pt[1])

    # 计算纵坐标的最大值和最小值之差
    y_diff = leftmost_pts[-1][1] - leftmost_pts[0][1]

    # 将所有左极值点按横坐标排序
    leftmost_pts = sorted(leftmost_pts, key=lambda pt: pt[0])

    # 计算横坐标的最大值和最小值之差
    x_diff = leftmost_pts[-1][0] - leftmost_pts[0][0]

    # 显示差值
    print("纵坐标差值：", y_diff)
    print("横坐标差值：", x_diff)
else:
    print("未采集到左极值点")

这个实现中，我们不断获取摄像头帧，并进行边缘检测和轮廓寻找。如果找到了轮廓，并且其周长大于1/2，则开始采集左极值点。当采集到100个左极值点或者采集时间超过3秒时，结束采集。然后将左极值点按纵坐标排序，计算纵坐标的最大值和最小值之差；再将左极值点按横坐标排序，计算横坐标的最大值和最小值之差，并将差值显示在屏幕上。