如何优化Python中十六进制字符串转图像的性能？

我正在开发一款Python程序，实现图像与十六进制字符串的双向转换：需要两个函数，一个接收图像并返回对应每个像素RGB值的十六进制字符串；另一个接收十六进制字符串及两个整数（尺寸参数），生成对应尺寸的可视图像。

目前正向转换（图像转十六进制字符串）速度较快，处理918×575像素、442KB的图像耗时约2.5秒，但反向转换（十六进制字符串转回图像）性能极差，同尺寸图像对应的字符串耗时长达36秒。

现有代码 #

def rgb2hex(rgb):
    """
    convert a list or tuple of RGB values
    to a string in hex
    """
    r,g,b = rgb
    return '{:02x}{:02x}{:02x}'.format(r, g, b)


def arrayToString(array):
    """
    convert an array to a string
    """
    string = ""
    for element in array:
        string += str(element)
    return string


def sliceStr(string,sliceLenght):
    """
    slice a string in chunks of sliceLenght lenght
    """
    string = str(string)
    array = np.array([string[i:i+sliceLenght] for i in range(0,len(string),sliceLenght)])
    return array


def hexToRGB(hexadecimal):
    """
    convert a hex string to an array of RGB values
    """
    h = hexadecimal.lstrip('#')
    if len(h)!=6:
        return
    return [int(h[i:i+2], 16) for i in (0, 2, 4)]

def ImageToBytes(image):
    """
    Image to convert from image to bytes
    """
    dataToEncrypt =imageio.imread(image)
    if dataToEncrypt.shape[2] ==4:
        dataToEncrypt = np.delete(dataToEncrypt,3,2)
    originalRows, originalColumns,_ = dataToEncrypt.shape

    #converting rgb to hex
    hexVal = np.apply_along_axis(rgb2hex, 2, dataToEncrypt)
    hexVal = np.apply_along_axis(arrayToString, 1, hexVal)
    hexVal = str(np.apply_along_axis(arrayToString, 0, hexVal))
    byteImage = bytes.fromhex(hexVal)
    return (byteImage, [originalRows,originalColumns])

def BytesToImage(byteToConvert,originalRows,originalColumns,name):
    """
    Convert from Bytes to Image
    """
    Data = byteToConvert.hex()

    stepOne = sliceStr(Data,originalColumns*6)
    stepTwo = []
    for i in stepOne:
        step = sliceStr(i,6)
        #Add lost pixels
        while len(step) != originalColumns:
            step = np.append(step,"ffffff")
        stepTwo.append(step)

    stepThree = []
    for i in stepTwo:
        d = []
        for j in i:
            d.append(hexToRGB(j))
        if len(stepThree) < originalRows:
            stepThree.append(d)
        Img = np.asarray(stepThree)

    imageio.imwrite(name,Img)

性能瓶颈分析 #

反向转换慢的核心原因是大量不必要的字符串操作和嵌套循环：

• 将字节数据转回十六进制字符串后，手动切片拆分像素，Python原生循环处理数十万像素时效率极低
• 逐像素调用hexToRGB函数，函数调用的累积开销巨大
• 频繁的列表拼接和numpy数组转换，内存操作冗余

优化方案 #

反向转换无需经过十六进制字符串处理，直接利用字节数据与RGB通道的对应关系，结合numpy的向量化操作一次性完成转换，彻底规避循环开销：

优化后的反向转换函数

import numpy as np
import imageio

def BytesToImage(byteToConvert, originalRows, originalColumns, name):
    # 将字节数据直接转换为uint8类型的numpy数组（每个字节对应一个RGB通道值）
    img_array = np.frombuffer(byteToConvert, dtype=np.uint8)
    # 重塑为图像的(行, 列, 3) RGB形状
    img_array = img_array.reshape((originalRows, originalColumns, 3))
    # 写入图像文件
    imageio.imwrite(name, img_array)

附加正向转换小优化

原arrayToString函数的循环字符串拼接效率低，可替换为更高效的join方法：

def arrayToString(array):
    return ''.join(array)

优化效果说明 #

• 反向转换不再处理十六进制字符串，直接通过numpy将字节数据映射为RGB数组，耗时可降至几十毫秒级别，性能提升数百倍
• 完全利用numpy的底层优化（C实现），避免Python解释器的循环开销

内容的提问来源于stack exchange，提问作者Rararat