Python读取RGBA视频优化：120FPS性能提升

21 浏览量更新于2024-08-29 1 收藏 104KB PDF 举报

本文主要探讨了在Python中读取和处理无压缩的RGBA格式视频文件时，与C++代码相比，Python性能上的差距以及优化策略。作者以一个2096x150像素、RGBA格式的视频文件为例，该文件的每个帧占据约1.2MB空间，整个视频大约4GB。最初，作者试图直接使用Python的matplotlib.pyplot组件逐像素读取和显示图像，但发现这种方法在速度上明显落后于C++。性能瓶颈主要在于Python的内存管理和I/O操作。由于视频文件过大，一次性读取到内存中会导致内存溢出。为了解决这个问题，作者利用Python的functools.partial和iter函数，将视频文件分块读取，每次只加载一帧的数据。具体步骤包括： 1. 使用open函数以二进制模式('rb')打开文件，创建一个可迭代对象，每次读取固定大小的字节数（PACK_SIZE）直到文件末尾。 2. 使用next函数获取并解析一帧数据，将其转换为NumPy数组`img`，方便后续处理。 3. 在循环中，按照RGBA四个通道分别赋值给图像数组的相应位置，这一步需要遍历每一像素的四个通道。通过这种分块读取和处理的方式，作者最终实现了在Python中高效地读取并显示视频，帧率可以达到120FPS以上，显著提高了性能。这展示了在处理大文件或内存密集型任务时，合理利用Python工具和技巧的重要性，同时也揭示了在不同编程语言之间性能优化的可能性。此外，文章也强调了Python在处理这类问题时灵活性高，但可能需要更多的时间和技巧来优化内存使用和I/O操作。

浅析浅析Python 读取图像文件的性能对比读取图像文件的性能对比

使用 Python 读取一个保存在本地硬盘上的视频文件，视频文件的编码方式是使用的原始的 RGBA 格式写入的，即无压缩的原

始视频文件。最开始直接使用 Python 对读取到的文件数据进行处理，然后显示在 Matplotlib 窗口上，后来发现视频播放的速

度比同样的处理逻辑的 C++ 代码慢了很多，尝试了不同的方法，最终实现了在 Python 中读取并显示视频文件，帧率能够达

到 120 FPS 以上。

读取一帧图片数据并显示在窗口上读取一帧图片数据并显示在窗口上

最简单的方法是直接在 Python 中读取文件，然后逐像素的分配 RGB 值到窗口中，最开始使用的是 matplotlib 的 pyplot 组

件。

一些用到的常量：

FILE_NAME = "I:/video.dat"

WIDTH = 2096

HEIGHT = 150

CHANNELS = 4

PACK_SIZE = WIDTH * HEIGHT * CHANNELS

每帧图片的宽度是 2096 个像素，高度是 150 个像素，CHANNELS 指的是 RGBA 四个通道，因此 PACK_SIZE 的大小就是一

副图片占用空间的字节数。

首先需要读取文件。由于视频编码没有任何压缩处理，大概 70s 的视频（每帧约占 1.2M 空间，每秒 60 帧）占用达 4Gb 的空

间，所以我们不能直接将整个文件读取到内存中，借助 Python functools 提供的 partial 方法，我们可以每次从文件中读取一小

部分数据，将 partial 用 iter 包装起来，变成可迭代的对象，每次读取一帧图片后，使用 next 读取下一帧的数据，接下来先用

这个方法将保存在文件中的一帧数据读取显示在窗口中。

with open( file, 'rb') as f:

e1 = cv.getTickCount()

records = iter( partial( f.read, PACK_SIZE), b'' ) # 生成一个 iterator

frame = next( records ) # 读取一帧数据

img = np.zeros( ( HEIGHT, WIDTH, CHANNELS ), dtype = np.uint8)

for y in range(0, HEIGHT):

for x in range( 0, WIDTH ):

pos = (y * WIDTH + x) * CHANNELS

for i in range( 0, CHANNELS - 1 ):

img[y][x][i] = frame[ pos + i ] img[y][x][3] = 255

plt.imshow( img )

plt.tight_layout()

plt.subplots_adjust(left=0, right=1, top=1, bottom=0)

plt.xticks([])

plt.yticks([])

e2 = cv.getTickCount()

elapsed = ( e2 - e1 ) / cv.getTickFrequency()

print("Time Used: ", elapsed )

plt.show()

需要说明的是，在保存文件时第 4 个通道保存的是透明度，因此值为 0，但在 matplotlib （包括 opencv）的窗口中显示时第 4

个通道保存的一般是不透明度。我将第 4 个通道直接赋值成 255，以便能够正常显示图片。

这样就可以在我们的窗口中显示一张图片了，不过由于图片的宽长比不协调，使用 matplotlib 绘制出来的窗口必须要缩放到很

大才可以让图片显示的比较清楚。

为了方便稍后的性能比较，这里统一使用 opencv 提供的 getTickCount 方法测量用时。可以从控制台中看到显示一张图片，从

读取文件到最终显示大概要用 1.21s 的时间。如果我们只测量三层嵌套循环的用时，可以发现有 0.8s 的时间都浪费在循环上

了。

读取并显示一帧图片用时 1.21s

在处理循环上用时 0.8s

约百万级别的循环处理，同样的代码放在 C++ 里面性能完全没有问题，在 Python 中执行起来就不一样了。在 Python 中这样

的处理速度最多就 1.2 fps。我们暂时不考虑其他方法进行优化，而是将多帧图片动态的显示在窗口上，达到播放视频的效

果。

连续读取图片并显示连续读取图片并显示

下载后可阅读完整内容，剩余3页未读，立即下载

weixin_38593644

粉丝: 4
资源: 914

Python读取RGBA视频优化：120FPS性能提升

Python语句与语法浅析：从Python2到Python3的变化

浅析基于Python的最小二乘法线性拟合实现

软件性能浅析—响应时间与性能指标

浅析Python 字符编码与文件处理

浅析Python requests 模块

浅析python在地图处理中的运用.zip

python网络应用开发知识点浅析

探索Python解释器优化和性能提升的方法

python matplotlib图片优化

浅析遥感影像批量处理方法的实现-景瑞.pdf

最新资源