python 并行化 图像处理

因此，Python的多处理工作方式(在大多数情况下)是必须指定要运行的各个线程。我在这里做了一个简短的介绍教程：http://will-farmer.com/parallel-python.html

在您的例子中，我建议将tris分成一组不同的部分，每个部分大小相等，每个部分代表一个“worker”。您可以使用numpy.split()拆分此列表(此处的文档：http://docs.scipy.org/doc/numpy/reference/generated/numpy.split.html)。在

然后，对于tri中的每个列表，我们使用线程和队列模块来指定8个工人。在import numpy as np

# split into 8 different lists

tri_lists = np.split(tris, 8)

# Queues are threadsafe

return_values = queue.Queue()

threads = []

def color_image(q, tris, hipo, tridex):

""" This is the function we're parallelizing """

for tri in tris:

return_values.put(np.mean(hipo[tridex==tri,:], axis=0))

# Now we run the jobs

for i in range(8):

threads.append(threading.Thread(

target=color_image,

args=(return_values, tri_lists[i], hipo, tridex)))

# Now we have to cleanup our results

# First get items from queue

results = [item for item in return_values.queue]

# Now set values in lopo

for i in range(len(results)):

for t in tri_lists[i]:

lopo[tridex==t, :] = results[i]

这不是最干净的方法，我不确定它是否有效，因为我无法测试它，但这是一个不错的方法。并行化部分现在是np.mean()，而设置值不是并行化的。在

如果您还想并行化这些值的设置，那么必须有一个共享变量，可以使用队列，也可以使用全局变量。在