想用python处理比较大的单色图片文件,如何提高速度

你好州枯培，你可以考虑使用numpy的函数来做，下面是例子败竖的python代码

image = np.zeros((400,400,3), dtype="uint8")

raw = image.copy()

image[np.where((image==[0,0,0]).all(axis=2))] = [255,255,255]

cv2.imshow('Test0', image)

lower_black = np.array([0,0,0], dtype 册唯= "uint16")

upper_black = np.array([70,70,70], dtype = "uint16")

black_mask = cv2.inRange(image, lower_black, upper_black)

image[np.where((image == [0,0,0]).all(axis = 2))] = [155,255,155]

black_mask[np.where(black_mask == [0])] = [155]

你把上面的那个image的数值改成你需要改的目标就可以直接替换了。

你可以看看numpy.fromfile()方法，也可以自己open一个文件，再read()一定字节实现。

前者是把整个原文件读入内存成为数组，再选择数组的一部分写入文件（numpy.tofile()）。后者是从原文件中读入一些字节，再把这些字节write到新文件中。

因此，方法并不难，基本上就是一个copy过程。

特别要注意的是，二进制文件是不存储任何格式信息的，所以，一定要弄清楚这个文件是如何产生的，因此，在分割文件时不要把一个数所对或灶应的字节给分开。比如二进制文件中是32bit数据，那么，就要4字节为一个单位，不能在分割时分出一衫兄扮个尘兄1字节或2字节来，否则数据就错了。

NumPy是Python语言的一个扩充程序库。支持高级大量的春绝备维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Numpy内部解除了CPython的GIL（全局解释器锁），运行效率极好，是大量机器学习框架的基础库！

相关推荐：《Python基础教程》

NumPy的全名为Numeric Python，是一个开源的Python科学计算库，它包括：

·一个强大的N维数组对象ndrray；

·比较成熟的（广宏物播）函数库；

·用于整合C/C++和Fortran代码的工具包；

·实用的线性代数、傅里叶变换和随机数生成函数。

NumPy的优点：

·对于同样的数值计算任务，使用NumPy要比直接编写Python代码便捷得多；

·NumPy中的数组的存储效率和输入输出性能均远远优于Python中等价的基本数据结构，且其能够提升的性能是与数组中的元素成比例的；

·NumPy的大部分代码都是用C语言写的，其底层算法在设计时就有着优异的性能，这使得NumPy比纯Python代码高效得多。

当然，NumPy也有其不足之处，由于NumPy使用内存映射文件以达到最优的数据读写性能，而扒毁内存的大小限制了其对TB级大文件的处理；此外，NumPy数组的通用性不及Python提供的list容器。因此，在科学计算之外的领域，NumPy的优势也就不那么明显。

---