我正在为色度键(绿屏)编写脚本，并使用 Python 和 PIL(pillow)合成一些视频。我可以对 720p 图像进行键控，但仍有一些绿色溢出。可以理解，但我正在编写一个例程来消除这种溢出……但是我正在努力解决它需要多长时间。我可能可以使用 numpy 技巧获得更快的速度，但我对此并不熟悉。有任何想法吗？
这是我的去溢出例程。它需要一个 PIL 图像和一个灵敏度数字，但到目前为止我一直将其设置为 1……它运行良好。我将在 4 秒多一点的时间内进入 720p 帧以消除这种溢出。作为比较，色键例程每帧运行大约 2 秒。
def despill(img, sensitivity=1):
"""
Blue limits green.
"""
start = time.time()
print '\t[*] Starting despill'
width, height = img.size
num_channels = len(img.getbands())
out = Image.new("RGBA", img.size, color=0)
for j in range(height):
for i in range(width):
#r,g,b,a = data[j,i]
r,g,b,a = img.getpixel((i,j))
if g > (b*sensitivity):
out_g = (b*sensitivity)
else:
out_g = g
# end if
out.putpixel((i,j), (r,out_g,b,a))
# end for
# end for
out.show()
print '\t[+] done.'
print '\t[!] Took: %0.1f seconds' % (time.time()-start)
exit()
return out
# end despill
我尝试将输出像素值写入 numpy 数组，然后将数组转换为 PIL 图像，而不是 putpixel，但这平均只用了 5 秒多一点……所以不知何故速度更快。我知道 putpixel 不是最快捷的选择，但我不知所措......
请您参考如下方法:
putpixel 很慢，像这样的循环甚至更慢，因为它们是由 Python 解释器运行的，Python 解释器慢得要命。通常的解决方案是立即将图像转换为 numpy 数组，并通过在高度优化的 C 代码中运行的矢量化操作来解决问题。在你的情况下，我会做类似的事情:
arr = np.array(img)
g = arr[:,:,1]
bs = arr[:,:,2]*sensitivity
cond = g>bs
arr[:,:,1] = cond*bs + (~cond)*g
out = Image.fromarray(arr)
(它可能不正确，我相信它可以更好地优化，这只是一个草图)
