使用for循环从OpenCV图像数组提取RGB数据速度过慢问题咨询

性能瓶颈根源 #

• 最大的性能消耗来自两层Python原生for循环逐像素遍历：Python的循环本身开销极高，加上每次循环的函数调用、列表extend操作，处理数万像素自然耗时极长，这才是你代码慢的核心原因，和_color16本身的计算逻辑关系不大。
• 你之前用flatten处理24位RGB速度快，本质是用了numpy的底层C实现的向量化操作，完全规避了Python层面的循环，16位色的转换也可以用同样的思路实现。

全numpy向量化实现方案 #

全程无Python循环，所有计算都在numpy底层完成，速度和你之前用flatten的效果相当：

import numpy as np
import cv2 as cv

# 配置项
rgb = True
image_path = "你的图片路径"
image = cv.imread(image_path)

# 拆分三个通道（OpenCV默认读取为BGR顺序）
b, g, r = np.moveaxis(image, -1, 0)

if rgb:
    # RGB565格式：R占5位，G占6位，B占5位
    rgb565 = ((r & 0xF8) << 8) | ((g & 0xFC) << 3) | (b >> 3)
else:
    # BGR565格式：B占5位，G占6位，R占5位
    rgb565 = ((b & 0xF8) << 8) | ((g & 0xFC) << 3) | (r >> 3)

# 转换为大端字节序后拆分为单字节数组，直接得到和你原代码frame完全一致的结果
frame = rgb565.astype('>u2').view('u1').flatten().tolist()

print(len(frame))

补充说明 #

1. 原代码存在一处逻辑隐患：image.shape返回顺序是(高度, 宽度, 通道数)，你把l[0]赋值给lx（x方向长度）、l[1]赋值给ly（y方向长度）是写反的，只是因为你用的是正方形图片才没有触发越界错误，非正方形图片会直接报错。
2. 如果你不需要转成Python列表，直接用rgb565.astype('>u2').view('u1')得到的numpy数组就可以直接用于SPI传输，不需要转list还能再快一截。

内容的提问来源于stack exchange，提问作者pmf71