PyQt多进程应用中图像显示拖慢ML推理的原因咨询

一、为什么停止图像传输会提升ML推理进程速度？ #

虽然ML推理进程是独立的，但系统的硬件资源（CPU、内存带宽）是所有进程共享的，你的场景里主要是以下两个原因：

1. CPU资源被抢占
   你代码中最耗时的convert_to_Qt_format.scaled(...)操作，是将720x200的灰度图缩放至3000x1000，属于CPU密集型任务。UI事件处理进程会持续占用大量CPU周期执行这个缩放操作，导致操作系统的CPU调度器分配更多时间片给UI进程，间接压缩了ML推理进程的可用CPU资源，拖慢推理速度。暂停图像传输后，UI进程的CPU负载骤降，ML进程能获得更多CPU时间，推理速度自然提升。
2. 跨进程通信（IPC）的额外开销
   视频采集进程向UI进程传输图像数据的过程，涉及跨进程的数据拷贝、序列化/反序列化操作，这些操作会消耗内存带宽和CPU资源。持续的IPC传输会增加系统整体资源消耗，影响ML进程的运行环境。停止图像传输后，这部分开销消失，系统资源能更高效地分配给ML推理。

二、同一应用创建独立进程的额外开销 #

是的，创建独立进程确实存在不少额外开销：

• 内存开销：每个进程都有独立的虚拟地址空间，需要初始化页表、文件描述符集、线程栈等结构，会占用额外的物理内存。
• IPC开销：进程间的通信（比如你用PyQt信号槽跨进程传图像）需要经过内核态中转，涉及数据拷贝、上下文切换等操作，比线程内通信的开销大得多。如果传输的数据量较大（比如图像），这部分开销会非常明显。
• 调度开销：操作系统需要在多个进程之间进行上下文切换，切换次数越多，调度的额外开销就越大，尤其是当多个CPU密集型进程同时运行时，这种开销会被放大。

核心代码优化建议 #

针对你目前的瓶颈，有几个优化方向：

• 降低显示分辨率：如果不需要4K级别的显示效果，可缩小目标分辨率，直接降低缩放操作的CPU负载。
• 异步缩放+缓存：把图像缩放操作放到UI进程的后台线程中执行，避免阻塞UI事件循环；同时缓存最近的缩放结果，减少重复计算。
• 改用共享内存传输图像：跨进程传输图像时，用共享内存替代信号槽的直接数据传输，减少数据拷贝的开销。

内容的提问来源于stack exchange，提问作者kgenbio