python异步io 队列_Python异步IO图像处理

我目前正在从一个网络摄像头拍摄的图像,应该尽快处理他们被捕获。在提取图像之后,代码使用cv2.videocapture()函数。在想法:一旦图像被捕获,我想利用系统需要的时间来捕获一个新的图像,以便在之前的图像上进行计算。在为了完成这个任务,我使用asyncio库。在首先,我定义了一个函数,该函数生成n个图像,这些图像应该存储在队列中`在async def produce(queue, n):fo...
摘要由CSDN通过智能技术生成

我目前正在从一个网络摄像头拍摄的图像,应该尽快处理他们被捕获。在提取图像之后,代码使用cv2.videocapture()函数。在

想法:一旦图像被捕获,我想利用系统需要的时间来捕获一个新的图像,以便在之前的图像上进行计算。在

为了完成这个任务,我使用asyncio库。在

首先,我定义了一个函数,该函数生成n个图像,这些图像应该存储在队列中

`在async def produce(queue, n):

for x in range(n):

# produce an item

print('producing {}/{}'.format(x, n))

# simulate i/o operation using sleep

await asyncio.sleep(random.random())

item = obtainImage()

z.append(x)

# put the item in the queue

await queue.put(item)`

之后,我实现了一个producer方法,它等待队列中的条目并计算一些图像特征(这里是一个简单的阈值):

^{pr2}$

为了启动函数,我创建了一个run函数,并将其添加到事件循环中(run方法包含一个参数,该参数指示我要处理多少图像):async def run(n):

queue = asyncio.Queue()

# schedule the consumer

consumer = asyncio.ensure_future(c

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值