python多线程threading

最近看了双线性插值的算法，想要自己实现以下，于是写了一个程序，测了下时间，将1080*1564的一张证件照通过插值resize到600*800花了15s....

于是想要用threading多线程来做，3个子线程对3个通道分别做插值，岂不是速度会提升3倍？结果还是15s，让我实在想不通，最后查了下关于python多线程的问题，才明白过来

from PIL import Image
from datetime import datetime
import matplotlib.pyplot as plt
import numpy as np 
import math
import os
from threading import Thread
from multiprocessing import Process


img_path = r'C:\Users\king\Pictures\简历\微信图片_20190731154219.jpg'
img_arr = np.array(Image.open(img_path), np.uint8)	

target_size = (800, 600, 3)
global resized_img
resized_img = np.zeros(target_size)
cur_size = img_arr.shape
ratio_x, ratio_y = target_size[0] / cur_size[0], target_size[1] / cur_size[1]

def cal(i, j, x, y, c):
	global resized_img
	# print('this is the thread {}'.format(c))

	t_left_x, t_left_y = math.floor(x), math.floor(y)

	p1 = (t_left_x+1 - x)*img_arr[t_left_x, t_left_y, c] + (x - t_left_x)*img_arr[t_left_x+1, t_left_y, c]
	p2 = (t_left_x+1 - x)*img_arr[t_left_x, t_left_y+1, c] + (x - t_left_x)*img_arr[t_left_x+1, t_left_y+1, c]

	v = (t_left_y+1 - y)*p1 + (y - t_left_y)*p2

	resized_img[i, j, c] = v


def bilinear(c):

	a = [cal(i, j, i/ratio_x, j/ratio_y, c) for i in range(target_size[0]) for j in range(target_size[1])]	


if __name__ == '__main__':
	start = datetime.now()
	threads = []
	for c in range(3):
		t = Thread(target=bilinear, args=(c,))
		threads.append(t)
		t.start()		

	for t in threads:
		t.join()
	# print(resized_img)

	end = datetime.now()

	seconds = (end-start).seconds
	print('process cost {}s'.format(seconds))

	resized_show = Image.fromarray(resized_img.astype(np.uint8))
	plt.imshow(resized_show)
	plt.show()

	

因为在python的世界里，不得不提GIL（Global  Interpreter Lock）,由于其存在，每个CPU时间内只能执行一个线程，所以单核CPU下的python多线程只能处理并发而不能处理并行。

在python中， GIL的释放逻辑是当遇到IO操作或者ticks技术达到阈值，GIL释放，其他线程被唤醒，将要竞争拿到GIL上CPU运行，这种竞争模式可能是先来先服务，短作业优先或者时间片轮转...