python 多進程處理圖像

主要內容

比較是否開啟多進程對圖片處理速度的差異

任務目標：

研究生的第一個任務是做皮膚檢測，這是一個老問題了，我還記得小時候買的數碼相機就有這個功能。因為這里主要是比較處理的速度，所以只使用簡單的基於RGB顏色空間。
處理上采用對每個像素點遍歷的方法

def deal_img(img, func, axis=2):  # func 對每個像素做的處理
    return apply_along_axis(func, axis, img)
def rgb_test(pixel):
    B, G, R = int(pixel[0]), int(pixel[1]), int(pixel[2])
    # 均勻日光照射環境下
    return R > 95 and G > 40 and B > 20 and max(R, G, B)-min(R, G, B) > 15 \
        and abs(R-G) > 15 and R > G and R > B

多進程的核心就是下面的代碼

def skin_test(img):
    return deal_img(img, rgb_test)

def skin_test_multiprocess(imgs):
    res = []
    with ProcessPoolExecutor() as executor:
        # 將一系列源數據送入同一個函數中處理，返回的結果是一個迭代器
        #   結果                處理函數    源數據
        for ans in executor.map(skin_test, imgs):
            res.append(ans)
    return res

ProcessPoolExecutor

這個類的簡單使用就像上面寫的那樣，值得注意的有兩點

1. executor.map(func, iterables, timeout=None)其中func是執行的函數,iterables是一個可迭代對象，返回的是一個可迭代對象，不能直接print；
2. 實踐過程中發現在skin_test_multiprocess()中嵌套定義func函數會導致AttributeError，原因不明；
3. 過程中發現了一些有趣的現象：兩種方式在數據量小的時候差別不大，但多進程在處理大量數據時會比較有優勢。

結果

本地運行的結果如下圖所示，CPU為i5-1035G1

服務器運行的結果如下圖，CPU為雙核四線程

（圖中的multipeocesses有誤，應為multipeocess）

注意點：

1. ipython可以在啟動時自動導入包，可以參考文檔中對c.InteractiveShellApp.exec_files的描述
   http://ipython.org/ipython-doc/stable/config/intro.html#setting-configurable-options
   但要注意【】

2. ubuntu上opencv的安裝

   apt install python3-opencv

   上面這一行代碼就可以了，注意的是pip中直接安裝opencv可能會有問題，容易出現缺少運行庫的問題，至少在我的實踐中conda和pip都沒能安裝好opencv