Python 编程的图像处理必学技巧

1. 向量化操作替代逐像素处理

注意：逐像素处理时间复杂度为O(n²)，可能导致处理速度下降90%

👉示例：使用OpenCV和NumPy**实现灰度化

import cv2
import numpy as np

# 标准版 (逐像素)
def pixel_by_pixel(img):
height, width = img.shape[:2]
for y in range(height):
for x in range(width):
b, g, r = img[y, x]
gray = int(0.114*b + 0.587*g + 0.299*r) # ITU-R BT.601公式
img[y, x] = [gray, gray, gray]

# 优化版 (向量化)
def vectorized(img):
return cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

img = cv2.imread(\”test.jpg\”)
vectorized(img) # 处理速度提升1000倍

2. 内存映射避免全量加载

警告：大图像处理时可能引发内存溢出

👉示例：使用cv2.IMREAD_UNCHANGED参数

# 标准版 (全量加载)
img = cv2.imread(\”large_image.tif\”)

# 优化版 (内存映射)
img = cv2.imreadmulti